Python编程之基于概率论的分类方法：朴素贝叶斯

本章首先介绍贝叶斯分类算法的基础――贝叶斯定理。这就是贝叶斯决策理论的核心思想，即选择具有最高概率的决策。另外一种有效计算条件概率的方法称为贝叶斯准则。这个假设正是朴素贝叶斯分类器中 朴素 一词的含义。朴素贝叶斯分类器中的另一个假设是，每个特征同等重要。朴素贝叶斯 工作原理提取所有文档中的词条并进行去重对每个类别:对每个词条:收集数据: 可以使用任何方法。可以在任意的分类场景中使用朴素贝叶斯分类器，不一定非要是文本。对此问题建立两个类别: 侮辱类和非侮辱类，使用 1 和 0 分别表示。检查函数有效性。接下来我们重写贝叶斯准则，将之前的 x, y 替换为 w. 粗体的 w 表示这是一个向量，即它由多个值组成。