做下记录总结：朴素贝叶斯，可能大家都忘了，但是稍微提一下，给个公司，或许你还会知道怎么求解。
朴素贝叶斯公式：
首先这个公式为什么叫朴素贝叶斯呢？他是英国数学家托马斯·贝叶斯（Thomas Bayes）在1763年发表的一篇论文中首次提出的这个定理。
首先我们了解下”条件概率”： 在事件B发生的情况下，事件A发生的概率，用P（A|B）表示
对条件概率进行变形：
“先验概率”：p（A），即在B事件发生之前，对A事件概率的一个判断
“后验概率”：p（A|B），即在B事件发生之后，对A事件概率的重新评估
“可能性函数”：P(B|A)/P(B)，一个调整因子，使得预估概率更接近真实概率
所以：
举例：
两个一模一样的碗，一号碗有30颗水果糖和10颗巧克力糖，二号碗有水果糖和巧克力糖各20颗。现在随机选择一个碗，从中摸出一颗糖，发现是水果糖。请问这颗水果糖来自一号碗的概率有多大？
我们假定，H1表示一号碗，H2表示二号碗。由于这两个碗是一样的，所以P(H1)=P(H2)，也就是说，在取出水果糖之前，这两个碗被选中的概率相同。因此，P(H1)=0.5，我们把这个概率就叫做”先验概率”，即没有做实验之前，来自一号碗的概率是0.5
P（H1）=0.5
P（E|H1）=0.75
贝叶斯：P（H1|E）= P(E|H1)*P(H1) / P(E)
得出 P = 0.6
这个结果表明，来自一号碗的概率是0.6 也说明了下，取出水果糖之后，H1事件的可能性得到增强了
朴素贝叶斯定理的应用
对于下面的数据集，求x=(2,s)的类的标记
对于这个问题，也就是求解：
p( y= 1 | X = (2,s) )
p( y=-1 | X = (2,s) )
哪个概率值更大，就取哪一个。
两个公式展开，如下：
分母相同，比较分子大小
求解过程：
参考：
李航 《统计学习方法》
阮一峰的http://www.ruanyifeng.com/blog/2011/08/bayesian_inference_part_one.html
更多博客文章请访问主页：