昨晚加今早看了朴素贝叶斯算法相关，终于在阮一峰前辈的博客帮助下理解了。顺便给个记录
reference:
贝叶斯推断及其互联网应用（一）：定理简介
朴素贝叶斯分类器的应用
1.朴素贝叶斯解决的是什么问题
在包含一系列特征值和与之对应的目标值数据样本的基础上，需要判断新来的拥有一些特征值的数据，属于哪一类目标值。举个例子：人体数据样本
上图包含了一些人体信息，特征值包含：身高，体重，脚掌。而目标值分类有两个：男/女。
问题：在已知上述数据的前提下，给出一个数据：已知某人身高6英尺、体重130磅，脚掌8英寸，请问该人是男是女？
2.问题分析
上述问题，实际上是条件概率问题，即在已知了这个人的身高体重等数据（特征）条件基础上，判断该人属于男人还是女人（当然是分别计算是男性\女性的概率，那个概率大，就认为是哪个）。即求------P(男性还是女性|已知身体特种数据)
已知贝叶斯定理：
贝叶斯定理
贝叶斯公式：
贝叶斯公式
上面公式中，要求量位左边值，而等号右边值的分母已知，现在就要求分子。而分子由朴素贝叶斯的假定各个特征独立可得到如下推论————
（朴素贝叶斯假定每个特征彼此独立）
image.png
上述中，C应该是每一个目标类型值。即我们应该计算每一个C对应的上式结果，然后比较P(C1|F1F2...Fn)、P(C2|F1F2...Fn)、、、P(C¡|F1F2...Fn)中，哪一个C对应的结果大，那么这个事件的预测值分类就是该C对应的分类。
3. 注意事项
（1）朴素贝叶斯，“朴素”在了哪里？
因为现实生活中的每一个特征可能都是有关联的，而不是相互独立的，而朴素贝叶斯算法则假定每一个特征都是相互独立的。这就是“朴素”的含义。
（2）全概率公式：
全概率公式
