朴素贝叶斯法

朴素贝叶斯法基于贝叶斯定理与特征条件独立假设的分类方法。朴素贝叶斯法对条件概率分布做了条件独立的假设。由于这是一个较强的假设，由此获得朴素贝叶斯的名字（对于多重线性相关的特征，朴素贝叶斯法效果会很差）。朴素贝叶斯实际上学习到生成数据的机制，所以属于生成模型。期望风险最小化准则就能得到后验概率最大化准则：    f(x)=argmax P(y=k|X=x)；    这就是贝叶斯法有效的原理。用极大似然估计可能会出现要估计的概率为0的情况，为了解决这个问题，通常采用贝叶斯估计。