朴素贝叶斯：

2018年10月9日 下午9:41
朴素贝叶斯分类器的应用 - 阮一峰的网络日志
弄懂特征是离散情况的例子：

1. 男性的身高是均值5.855、方差0.035的正态分布
   1. 不是女性是男性！
   2. 不是体重、脚掌是身高！
2. 男性的身高为6英尺的概率的相对值等于1.5789
   1. 大于1并没有关系，因为这里是密度函数的值，只用来反映各个值的相对可能性
      

1. 贝叶斯的两个假设：
   1. 样本每个特征与其特征都是不相关的
   2. 如果特征是连续的，那么就符合高斯概率
2. 作用：
   1. 分类算法
3. 1. 学习公式写成代码格式：
      1. 朴素贝叶斯的原理就是一个概率公式而已，但是通过程序实现的时候，并不是我以前认为的：要去调用各种math函数来组成一个非常复杂的一行代码，而是要将一个复杂的公式进行分解，在这个程序中老师将贝叶斯写成了一个类，类下面的各个方法就是对这个复杂公式的分解。
      2. 每个方法，最重要的就是要设计好输入和输入。

方差和均值是如何算出来的？

1. p(x=v|c)中x=v 这说明了在矩阵中竖的截取出了特征值为v的这一列，就一列！
2. p(x=v|c)中c说明了我们横的截取。
3. 我们在截取下的之中计算均值和方差。