机器学习之朴素贝叶斯
首先了解一下三个比较重要的公式：
条件概率公式：P(A|B)=P(AB)/P(B)
SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。
贝叶斯：P(B|A) = P(A|B)P(B)/P(A)
优 点 ：在数据较少的情况下仍然有效，可以处理多类别问题。
缺 点 ：对于输入数据的准备方式较为敏感。
适用数据类型：标称型数据。
朴素贝叶斯中朴素二字的含义：假设各个特征之间相互独立。即一个特征或者单词的出现可能性与它和其他单词相邻没有关系。
朴素贝叶斯中的另外一个假设：每个特征同等重要。
（尽管上述假设存在一些瑕疵，但是朴素贝叶斯的实际效果却是很好）
使用条件概率进行分类：
从词向量计算概率：
朴素贝叶斯分类器的实现：
更多精彩
