机器学习：朴素贝叶斯
机器学习，朴素贝叶斯。
贝叶斯公式：
P(C|W) 条件W出现C的概率。
P(W|C) 条件C出现W的概率。
P(C) 出现C的概率，一般是目标值。
P(W) 出现W的概率。
贝叶斯公式将条件概率的计算进行推导而得到的公式。这里“条件”里可能包含多个特征。朴素贝叶斯将“条件”当中的多个特征独立计算在符合目标值的样本概率，再将特征的概率相乘得到联合概率。
例：
预测雪糕好吃。目标值：好吃。特征：大杯、贵。
P(大杯，贵|好吃) = P(大杯|好吃) * P(贵|好吃)
P(大杯，贵) = P(大杯) * P(贵)