樸素貝葉斯 是一種基于概率理論的分類算法，以貝葉斯理論為理論基礎(chǔ)宇植，通過計算樣本歸屬于不同類別的概率來進行分類——經(jīng)典的分類算法。
what is bayesian theory？
貝葉斯理論——基于所能獲得的最好證據(jù)（觀察疾捍、數(shù)據(jù)、信息等）栏妖，計算亞型信念度（假說/主張/命題）的有效方法乱豆。信念度指的是：對事物的真實性和正確性所具有的信心。
樸素：單純的吊趾、粗糙的假設(shè)觀測值之間是相互獨立的宛裕。
貝葉斯公式中，P(A)稱為"先驗概率"论泛，即在B事件發(fā)生之前揩尸，對A事件概率的一個判斷。
P(A|B)稱為"后驗概率"屁奏，即在B事件發(fā)生之后岩榆，對A事件概率的重新評估。
P(B|A)/P(B)稱為"可能性函數(shù)"了袁，這是一個調(diào)整因子朗恳，使得預(yù)估概率更接近真實概率。
所以载绿，條件概率可以理解成下面的式子：后驗概率＝先驗概率ｘ調(diào)整因子粥诫。
原理圖
6c9e73d5f7e94c5d9d27476c90c1ecfc.jpg
優(yōu)缺點
image.png
