机器学习算法：朴素贝叶斯

分类。多类分类。

1 朴素贝叶斯法的学习与分类

1.1 基本方法

1.2 后验概率最大化的含义

后验概率最大等价于0-1损失函数时的期望风险最小化。

2 朴素贝叶斯法的参数估计

2.1 极大似然估计+2.2学习与分类算法

2.3 贝叶斯估计

优点：在数据较少的情况下仍然有效，可以处理多类别问题。

缺点：对于输入数据的准备方式较为敏感。

适用数据类型：标称型数据。

常用场景：文档分类、电子邮件垃圾过滤

参考文献：

【1】统计学习方法，李航

【2】机器学习，周志华