朴素贝叶斯文本分类

目的：屡清楚各个概率，一篇文本，如何确定是体育还是娱乐还是其他新闻

每个文档由特征矢量表示，1或0。1表示词汇表中第t个词在文档i中出现,0表示不出现。V是词汇表（所有训练数据）

某一文档d,贝叶斯分类器按下式选择最可能的类C：C=maxP(cj|w1,w2,…,wn)

其中w1,w2,…,wn是词汇表V中的词,根据贝叶斯定理和链规则,上式可写为:

因此,要对一个新文档分类,就是要从训练集中估计出两组概率值:和P(cj)和P(wt|cj)。

采用拉普拉斯概率估计,估计公式如下:

D是训练文档集,P(cj|di)∈{0,1},表示训练文档di是否属于cj类文档,1表示属于,0表示不属于。