概率密度函数估计

        首先来看贝叶斯决策，贝叶斯分类器就是根据如下贝叶斯公式来设计的。最常用的就是比较后验概率的大小，进行类别决策。（也就是基于最小错误率的分类器，还有其他的比如基于最小风险，NP决策等）。

        如何理解呢，说一个例子，比如一个班里面的男女比例为2:1，那么也就是说男生占2/3，女生占1/3。这个呢就叫做类别的先验概率（类别就是男生、女生），对应公式上的p(w)。接着假设这个班上男生翘课的概率为3/4，女生翘课的概率为1/4，那么这个就叫做类条件概率，也就是类别约束（男生或者女生）下，事件（翘课）的概率，对应上面公式的p(x|w)。需要注意：先验概率满足总和为1的约束，类条件概率不满足总和为1的约束。这也很好理解，因为所有的类别都是固定的，那么一个个体总是属于某个类别中的一个，而类条件概率，比如男生缺课和女生缺课是相互独立的事件，则缺课的概率p(x)=2/3 * 3/4 + 1/3*1/4=7/12。因为不存在约束关系，所以也就不满足总和为1的约束。

        上面