貝葉斯定理（bayes theorem），是概率論
中的乙個結果，它跟隨機變數
的條件概率
以及邊緣概率分布
有關。在有些關於概率的解說中，貝葉斯定理(貝葉斯更新）能夠告知我們如何利用新證據修改已有的看法。
通常，事件a在事件b(發生)的條件下的概率，與事件b在事件a的條件下的概率是不一樣的；然而，這兩者是有確定的關係,貝葉斯定理就是這種關係的陳述。
貝葉斯定理的陳述
貝葉斯定理是關於隨機事件a和b的條件概率
和邊緣概率
的一則定理。
資料探勘之樸素貝葉斯演算法
樸素貝葉斯演算法思想 舉個例子，假如某天是否要出去打網球，有兩種選擇 是和否，即最後分成兩個類別。但是受3個因素的影響,分別是天氣 溫度和是否有風。天氣有3個值 晴 多雲和有雨。溫度有3個值 高，正常和低。是否有風有兩個值 是和否。假如樣本a是，樣本b是，還有其他的樣本，可以得到樣本的某些先驗概率，...
樸素貝葉斯演算法
首先樸素貝葉斯分類演算法利用貝葉斯定理來 乙個未知類別的樣本屬於各個類別的可能性，選擇可能性最大的乙個類別作為該樣本的最終類別。對於計算而言，需要記住乙個公式。p c x p x c p c p x 類似於概率論條件概率公式。其中x代表含義為最終類別，例如 yes?no。c為屬性。使用樸素貝葉斯演算...
樸素貝葉斯演算法
計算貝葉斯定理中每乙個組成部分的概率，我們必須構造乙個頻率表 因此，如果電子郵件含有單詞viagra，那麼該電子郵件是垃圾郵件的概率為80 所以，任何含有單詞viagra的訊息都需要被過濾掉。當有額外更多的特徵時,此概念的使用 利用貝葉斯公式,我們可得到如下概率 分母可以先忽略它，垃圾郵件的總似然為...