机器学习-朴素贝叶斯分类器详解.docxVIP

? ? 跟我一起学机器学习 -- 朴素贝叶斯分类器 ? ? 原项目这一天的任务： 学习不同类型的朴素贝叶斯分类器同时开始Bloomberg的课程（ https://bloomberg.github.io/foml/。 一、朴素贝叶斯分类器 1、先验概率与后验概率 什么是先验概率和后验概率？ 2、贝叶斯定理（Bayesian Theorem） 提出者：18世纪英国数学家托马斯·贝叶斯（Thomas Bayes）。 wikipedia 上的简介： 所谓的贝叶斯定理源于他生前为解决一个“逆概”问题写的一篇文章，而这篇文章是在他死后才由他的一位朋友发表出来的。在贝叶斯写这篇文章之前，人们已经能够计算“正向概率”，如“假设袋子里面有 N 个白球，M 个黑球，你伸手进去摸一把，摸出黑球的概率是多大”。而一个自然而然的问题是反过来：“如果我们事先并不知道袋子里面黑白球的比例，而是闭着眼睛摸出一个（或好几个）球，观察这些取出来的球的颜色之后，那么我们可以就此对袋子里面的黑白球的比例作出什么样的推测”。这个问题，就是所谓的逆向概率问题。 定理：关于随机事件 A 和 B 的条件概率： 贝叶斯定理 3、朴素贝叶斯分类算法 3.1、定义：贝叶斯分类算法是一类分类算法的总称，以贝叶斯定理为基础，故统称为贝叶斯分类算法。而朴素贝叶斯分类算法是贝叶斯分类算法中最简单常见的一种分类