朴素贝叶斯

        朴素贝叶斯法是一种典型的生成学习方法。生成方法由训练数据学习联合概率分布P(X,Y)，然后求得后验概率分布P(Y|X)，也就是利用数据学习P(X|Y)和P(Y)的估计，得到联合概率分布：

然后利用贝叶斯定理与学到的联合概率进行分类预测：

将输入x分到后验概率最大的类y。

后验概率最大等价于0-1损失函数时的期望风险最小化。

概率估计方法可以是极大似然估计或贝叶斯估计。

（2）朴素贝叶斯法的基本假设是条件独立性(输入变量都是条件独立的)，也因此该算法具有高效、易于实现等特点。

备注：如果条件之间存在概率依存关系，模型就变成了贝叶斯网络。