关于对朴素贝叶斯的算法理解

朴素贝叶斯分类算法是统计学的一种分类方法，之所以称之为朴素，是因为这是贝叶斯算法中最简单的一种。它是一类利用概率统计知识进行分类的算法。该算法的核心是贝叶斯公式，如下图所示：

例如，给定数据如下：

现在的问题环境是：一个男生向女生求婚，男生的四个特征属性值分别是不帅，性格不好，身高矮，不上进。判断女生是嫁还是不嫁？

转换为数学问题就是比较p(嫁|不帅、性格不好、身高矮、不上进)与p(不嫁|不帅、性格不好、身高矮、不上进)这两个概率谁更大。我们就能够得出这个女孩做出的对于嫁与不嫁的决策。这里我们联系到贝叶斯公式：

在此我们假设以上的每个属性值对给定类的影响独立于其他属性的值（即这些属性值的发生相互独立，各不影响）。则可以将上面的公式写成下面的形式：

因为这些属性间的相互独立性是我们假设的，而此假设在实际生活中经常是不成立的。所以准确率可能会受到一定的影响（即可能会降低一定的准确率）。最后取相应分类概率数值最高的作为最终分类结果。

总的来说，朴素贝叶斯算法的整个实现流程如下图所示：