标签：
贝叶斯定理：
X是已知条件，H是假设。映射到文本分类中，X就是给定的测试文档，H是文档属于的类别。
朴素贝叶斯分类：
即求出所有类的P(Ci|X),概率最大的类为预测类。
因为P(X)是一样的，只需求P(X|C)P(C)即可。
（1）P(Ci)=Ci类文档数/训练文档集总文档数
（2）P(X|Ci)不好求，因此需要“朴素”的假设：类条件独立，即属性值相互独立，则
P(X|Ci)=P(x1|Ci)P(x2|Ci)...P(xn|Ci) xi为文档的各个属性，即特征词
<1>把x当离散型属性，即只有包含/不包含两种情况，则P(xk|Ci)=(Ci类中包含特征词xk的文本数+1)/Ci类总文本数
<2>记得使用经典TF-IDF公式可以对每个文档内的特征词计算其权重，这时候x就是连续值属性了。
对于连续值属性，一般假定服从均值μ,标准差σ的高斯分布
因此P(xk|Ci)=g(xk,μCi,σCi)
看上去很复杂，其实μCi是Ci类内特征词t的权值的均值，σCi是标准差
对于一个测试文档，使用TF-IDF计算特征词权值，即得到xk，三个参数一起代入公式可得P(xk|Ci)
求得每个类P(X|Ci)后，P最大的类为预测类。
标签：
原文地址：http://www.cnblogs.com/IvanSSSS/p/4946983.html
