朴素贝叶斯算法
一、朴素贝叶斯定理
贝叶斯公式：
A：样本 B：类别
P(B|A)：根据A参数值判断属于类别B的概率，也称为后验概率
P(A|B) ：在类别B中观察到样本A的概率
P(B)：样本所属类别B的概率，也称为先验概率
P(A)：在数据库中观察到A的概率
贝叶斯定理：
二、算法原理
假设分类项的各个属性之间是相互独立的，则构造出来的分类算法是朴素的。
基本思想：
对于给定的待分类项，求解在此项出现的条件下各个类别
出现的概率，哪个
最大，则将此待分类项归为哪一类。
具体操作如下：
- 设
是一个待分类项，每一个
为x的一个特征属性，且特征属性之间是相互独立的
- 设
为一个类别集合
- 计算
-
，则
三、流程图
四、实例
使用购买电脑的实例来说明朴素贝叶斯算法的具体流程。
五、算法的优点
- 算法简单，易于实现
- 分类过程时空开销小
- 算法稳定，对于不同的数据特点，其分类性能差别不大，健壮性比较好。