朴素贝叶斯法

朴素贝叶斯法是生成模型。

“朴素”是指什么？
特征条件独立假设：用于分类的特征在类确定的条件下是独立的。

拉普拉斯修正：避免因训练样本不充分而导致概率估值为0的问题。这实际上假设了属性值与类别均匀分布，这是在朴素贝叶斯学习过程中额外引入的关于数据的先验。在训练集变大时，修正过程所引入的先验的影响会逐渐变得可忽略。

朴素贝叶斯是最大化后验概率，而LR是极大似然估计。
在朴素贝叶斯中，期望风险最小化等价于后验概率最大化。

[1] https://blog.youkuaiyun.com/REA_UTOPIA/article/details/78881415#commentBox