貝葉斯分類
有意義區分和無意義區分
既然要區分兩種點那麼兩種點必然有區別，當區分有區別的點時說是有意義區分。而完全區分那種一模一樣的點則是無意義區分。所以我們所討論的都是有意義的區分。
完全區分和不完全區分
貝葉斯分類器是一種概率上的區分，而假如兩種點一種是黑的一種是白的那不需要用貝葉斯分類器區分，因為一種點屬於白的概率是百分之百。所以稱這種分類為完全區分。
另一種就是給定乙個點一些屬性，假設目前只有兩種分類，那麼它屬於哪種點是乙個概率問題，不是百分之百屬於哪乙個，此時就稱為不完全區分，用貝葉斯分類器來分類。
或者是給定的資訊是不完整的，比如給你一張臉沒有頭髮讓你判斷性別，有的臉你還真的不保準判讀對，此時就用貝葉斯分類。
分類思路：
以分類男女為例子，現在我們以胸的大小、頭髮長短、體重輕重來計算此人是男人還是女人的概率。當然其實我們心裡都明白，哪些屬性對人的類別有什麼影響，比如頭髮長的話是女人的概率肯定是大的。但是假設我們不知道這些東西，那麼如何來做？
當然假如給我們一些訓練資料，給我了50個男和50個女和對應的屬性。我通過這些資料得到的比例，比如頭髮長是女人的概率是百分之80，這個80%只是100個人得到的資料，但是我假設他是世界上所有人概率。
於是我得到三個資訊，是女人頭髮長、胸大、體重的概率。
接下來我從100個人以外隨便找乙個人，給你屬性資訊，你給我計算他的性別，於是你可以用條件概率公式來給我估計出他是男的或女的的概率。
貝葉斯分類
樸素貝葉斯模型是一組非常簡單快速的分類演算法，通常適用於維度非常高的資料集，因為執行速度快，而且可調引數少，因此非常適合為分類問題提供快速粗糙的基本方案。貝葉斯分類 樸素貝葉斯分類器建立在貝葉斯分類方法上，其數學基礎是貝葉斯定理，乙個描述統計計量條件概率關係的公式。在貝葉斯分類中，我們希望確定乙個具...
樸素貝葉斯分類
1 貝葉斯分類是一類分類演算法的總稱，這類演算法均以貝葉斯定理為基礎，故統稱為貝葉斯分類。2 樸素貝葉斯的思想基礎是這樣的 對於給出的待分類項，求解在此項出現的條件下各個類別出現的概率，哪個最大，就認為此待分類項屬於哪個類別。通俗來說，就好比這麼個道理，你在街上看到乙個黑人，我問你你猜這哥們 來的，...
樸素貝葉斯分類
摘自寫在公司內部的wiki 要解決的問題 表中增加欄位classification，有四個取值 0 初始值，未分類 1 positive 2 normal 99 negative review submit前，由樸素貝葉斯分類器決定該條review的flag屬於negative還是positive ...