分类算法系列--贝叶斯分类算法学习
贝叶斯分类算法是一类算法的总称，一类以概率论为基础的分类算法，常应用于文本分类，垃圾分类。
朴素贝叶斯Naive Bayes
贝叶斯公式：
p(Y):先验概率，每种类别分布的概率
p(X|Y),类条件概率，表示在某种类别的前提下，某事发生的概率
p(Y|X):后验概率，表示某事发生了，并且它属于某一类别的概率，根据后验概率，可以对样本进行分类----值越大，属于某类的可能性就越大。
p(X):全概率公式，
联合分布P(X,Y)
对于一个测试集,计算K个类别的后验概率，
选择后验概率最大的那个类别作为输出类别。
贝叶斯推导
高斯朴素贝叶斯Gaussian Naive Bayes
X为连续值，假设X符合正态分布
先验概率：
多项式朴素贝叶斯Multinomial Naive Bayes
X为离散值，假设X符合多项式分布
先验概率：
伯努利朴素贝叶斯Bernoulli Naive Bayes
X值非常稀疏，假设X符合伯努利分布
先验概率：
参考文献：