目錄

• 概述
• 原理
• 要點

1、概述

樸素貝葉斯分類演算法是貝葉斯分類演算法中最簡單的一種，貝葉斯分類演算法以樣本可能屬於某類的概率來作為分類依據。貝葉斯分類演算法是一大類分類演算法的總稱。

2、原理

如果一個事物在一些屬性條件發生的情況下，事物屬於A的概率大於屬於B的概率，則判定事物屬於A。

樸素貝葉斯分類器

　　樸素貝葉斯分類器的表示形式：

　　當特徵為為x時，計算所有類別的條件概率，選取條件概率最大的類別作為待分類的類別。由於上公式的分母對每個類別都是一樣的，因此計算時可以不考慮分母，即

　　樸素貝葉斯的樸素體現在其對各個條件的獨立性假設上，加上獨立假設後，大大減少了引數假設空間。

3、要點

• 分解各類先驗樣本資料中的特徵；
• 計算各類資料中，各特徵的條件概率，比如：特徵1出現的情況下，屬於A類的概率 p(A|特徵1)，屬於B類的概率 p(B|特徵1)，屬於C類的概率p(C|特徵1)......
• 分解待分類資料中的特徵（特徵1、特徵2、特徵3、特徵4......）
• 計算各特徵的各條件概率的乘積，如下所示：判斷為A類的概率：p(A|特徵1)*p(A|特徵2)*p(A|特徵3)*p(A|特徵4).....，判斷為B類的概率：p(B|特徵1)*p(B|特徵2)*p(B|特徵3)*p(B|特徵4).....，判斷為C類的概率：p(C|特徵1)*p(C|
  特徵2)*p(C|特徵3)*p(C|特徵4).....
• 結果中的最大值就是該樣本所屬的類別。