分类器-Naive Bayes

一、朴素贝叶斯方法概述

朴素贝叶斯属于一类具有高效性能且训练过程简便的分类模型，其核心原理是借助贝叶斯定理来计算在特定条件下某事件发生的概率，其中“朴素”一词所表达的含义是假设各个条件之间相互独立。“朴素贝叶斯”作为一种应用范围广泛的分类工具，可以被部署于多种实际场景之中，诸如电子邮件中的垃圾信息识别、语言文本的分析处理等多个领域。

概率基础概念解析

1）定义

概率用于衡量随机事件发生的可能性程度。所谓随机事件，指的是在相同条件下可能发生也可能不发生的事件。例如：

（1）当抛掷一枚硬币时，可能出现正面朝上或反面朝上的情况，这属于随机事件。正面或反面朝上的可能性被定义为概率；

（2）在掷骰子的过程中，出现的点数属于随机事件。每个点数出现的可能性即为概率；

（3）若一批商品中包含合格品与不合格品，从中随机抽取一件产品时，抽到合格品或不合格品的情况属于随机事件。通过大量重复试验可以发现，抽到不合格品的比例会逐渐趋近于一个固定数值，该数值即为概率。

对于任意一个随机事件，可以用字母A或B来表示，对应的概率则分别用P（A）、P（B）来表示。

2）联合概率与条件概率

① 联合概率

指由多个条件构成且各条件均需满足的情况所对应的可能性，表示为P ( A , B ) ，或P(AB)，或P(A \bigcap B)