基础数学课12-朴素贝叶斯
这里我们利用一个区分水果的案例，来讲解朴素贝叶斯，这里我们有着橙子，苹果，西瓜三种不同的水果
每个水果都有着不同的特征，比如形状，外皮颜色，纹理，重量，硬度，口感。
这里我们给出一个统计的表格
这里我们将一些值进行了转换，比如重量，根据范围划分为了不同的枚举，从而方便计算。
那么我们如何利用这样的一些数据来体现朴素贝叶斯呢？
我们可以使用先验概率，后验概率，条件概率和贝叶斯法则。
这里我们可以将A理解为一种水果，B认为是一种属性，那么我们Pa 或Pb就是种类或者属性在样本中出现的概率。
在具有这样的公式之后，我们需要考虑的下一件事就是我们往往具有多种属性，那么该如何分析？
这时候朴素贝叶斯中的独立假设就有作用了，我们可以假定归类时影响时相互独立的。
也就是一个对象同时具有属性f i，fj。那么对象对类别的概率如下
这样我们就可以先划分先验概率，然后根据先验概率去推测后验概率。
上述的先验概率中，我们存在着0的情况，针对这种情况，我们可以采用一个极小值来代替0概率，比如0.01
之后，如果我们有一个水果，他的形状时圆形，口感时甜的，那么我们可以推测他属于苹果，西瓜，橙子的概率分别是多少。
其中apply代表着苹果，shape-2表示着形状为2，taste-2表示口感为2，最后得到的结果是0.00198
之后分别计算香橙和西瓜的结果。得到0.26934和0.00798
最终最有可能的就是香橙。
这样我们就讲解了朴素贝叶斯的原理，基本分为得到训练样本，基于样本的计算，预测。
而其他类型的分类算法和朴素贝叶斯对比
KNN对比，需要更多的时间进行训练，但对于新数据进行预测的时候，效果更高
决策树相比，不容易让人理解，但是可以提供模糊分类
和SVM向量机对比，无法支持连续值的输入，但是我们将连续值转换为离散值，方便处理。