【深度学习入门_机器学习理论】朴素贝叶斯(NaiveBayes)

本部分主要为机器学习理论入门_熟悉朴素贝叶斯算法，书籍参考 “ 统计学习方法（第二版）”。

学习目标： 熟悉条件概率、先验概率、后验概率、全概率，熟悉朴素贝叶斯算法原理与推判断过程；熟悉参数估计；熟悉算法具体使用场景与实际应用。

个人理解下来其实就是一句话：本算法就是根据所有已知参数来计算后验概率问题。

一、统计学基础概念

• 条件概率:
  就是事件A在事件B发生的条件下发生的概率。条件概率表示为$P（A|B）$，读作“A在B发生的条件下发生的概率”。

• 先验概率:
  在贝叶斯统计中，某一不确定量 p 的先验概率分布是在考虑”观测数据”前，能表达 p 不确定性的概率分布。它旨在描述这个不确定量