徐idealxuideal@163.com朴素贝叶斯•贝叶斯公式•朴素贝叶斯•特征工程-词频统计•代码实战目录2•早雾晴，晚雾阴？课前甜点3•贝叶斯公式•概率•条件概率•全概率公式•贝叶斯公式•朴素贝叶斯•特征工程-词频统计•代码实战目录4•概率5•条件概率•设A，B为任意两个事件，若P(A)>0，我们称在已知事件A发生的条件下，事件B发生的概率为条件概率，记为P(B|A)，并定义条件概率6)()()|(APABPABP•全概率公式•如果，P(Ai)>0，则对任一事件B，有•案例：•假设在聊天群的环境中，假设A时间是有人发消息•而发送消息的人只可能是‘小姐姐’，‘卢本伟’，‘灰太狼’•那么这三个就是所有的可能性（100%）•将B记为问问题的可能性，我们知道，发言的三个人都有可能提问，那么提问的概率是多少呢？•就是将这三个人发言提问的可能性进行加和就可以了全概率公式7)(1jiAAAjinii对一切，niiiABPAPBP1)|()()(•贝叶斯公式（又称逆概公式）•如果，P(Ai)>0，则对任一事件B，只要P(B)>0，有•我们可以通过贝叶斯公式，可以通过某件事情发生条件，来预测某些条件下，发生这件事情的概率贝叶斯公式8)(1jiAAAjinii对一切，),...,2,1,(|||1njiABPAPABPAPBPBAPBAPniiijjjj•如果将贝叶斯公式的思想使用到机器学习中，效能是不是很大，可以帮助我们去预测类别呢？•不可行•因为在显示过程中特征值不只有一个，很难去计算概率，计算复杂度很高•P(X(1)X(2)X(3)|Y)•如何可以降低运算复杂度呢？贝叶斯公式9•贝叶斯公式•朴素贝叶斯•定义•直观理解•朴素价值•拉普拉斯平滑•案例分析•底层实现•特征工程-词频统计•代码实战目录10定义•朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。最为广泛的两种分类模型是决策树模型(DecisionTreeModel)和朴素贝叶斯模型（NaiveBayesianModel，NBM）。•贝叶斯定理是关于随机事件A和B的条件概率（或边缘概率）的一则定理。其中P(A|B)是在B发生的情况下A发生的可能性。11定义12•在机器学习中，朴素贝叶斯分类器是一系列以假设特征之间强独立（朴素）下运用贝叶斯定理为基础的简单概率分类器。•高度可扩展的，求解过程只需花费线性时间•目前来说，朴素贝叶斯在文本分类（textclassification）的领域的应用多，无论是sklearn还是SparkMllib中，都只定制化地实现了在文本分类领域的算法直观理解•肤色x1={黑，黄}，发型x2={卷，直}...
