贝叶斯理论与朴素贝叶斯分类理论（Naive Bayesian Model，NBM）
Posted Data+Science+Insight
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了贝叶斯理论与朴素贝叶斯分类理论（Naive Bayesian Model，NBM）相关的知识，希望对你有一定的参考价值。
贝叶斯理论与朴素贝叶斯分类理论（Naive Bayesian Model，NBM）
贝叶斯统计理论是英国数学家托马斯´贝叶斯于18世纪中叶提出并逐步完善的一种数学理论。基于贝叶斯统计理论的贝叶斯决策是在信息不完全的情况下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生的概率进行修正，最后再利用期望值和修正概率做出最优决策。贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是：
- 已知类条件概率密度参数表达式和先验概率。
- 利用贝叶斯公式转换成后验概率。
- 根据后验概率大小进行决策分类。
贝叶斯统计理论的核心是贝叶斯公式，贝叶斯公式的基本形式是：
以上是关于贝叶斯理论与朴素贝叶斯分类理论（Naive Bayesian Model，NBM）的主要内容，如果未能解决你的问题，请参考以下文章
大数据：Spark mlib Naive bayes朴素贝叶斯分类之多元朴素贝叶斯源码分析