朴素贝叶斯文本分类过程

对于上一篇Bayes 的基本概念 比较清晰和熟悉之后，迫不及待的想要看到其进一步应用。因为朴素贝叶斯（naive bayes ：不是yes就是no）假设事物属性之间相互条件独立,于是选择文本分类来进一步认识。

本片博文参考http://my.oschina.net/zhukp/blog/56724  ;http://www.cnblogs.com/phinecos/archive/2008/10/21/1315948.html

 1、基本定义

    分类是把一个事物分到某个类别中。一个事物具有很多属性，把它的众多属性看作一个向量，即X=(x1,x2,x3,…,xn)，用X这个向量来代表这个事物;类别也有很多种，用集合C={c1,c2,…cm}表示。一般X和C的关系是不确定的，可以将X和C看作是随机变量.

    我们做分类的目标就是给定一个新的属性集合，结合训练集的知识，判断这个新来的集合属于C的哪一类的概率最大。数学表达为 Cmap=ARGMAX P(C|x1,x2,x3,…,xn).

2、文本分类过程

    例如文档：Good good study Day day up可以用一个文本特征向量来表示，x=(Good, good, study, Day, day , up)。在文本分类中，假设我们有一个文档d∈X，类别c又称为标签。我们把一堆打了标签的文档集合<d,c>作为训练样本，<d,c>∈X×C。例如：<d,c>={Beijing joins the World Tr