朴素贝叶斯学习笔记

标签：naivebayes  

naivebayes   朴素贝叶斯分类器原理

公式分解：

1.p(word|categroy)=p(分类category的文档中出现word的文档总数)/分类category总文档数

p(word|categroy)意思为在category分类中word出现的概率

2.p(doc|categroy)=p(word1|categroy)*p(word2|categroy)*...*p(wordn|categroy)

p(doc|categroy)文档属于某个分类的概率

3.p(categroy|doc)=p(doc|categroy)*p(categroy)/p(doc)

p(categroy|doc)  指定文档doc为categroy分类的概率

假如有十个分类，分别计算指定文档这个十个类的概率，即p(categroy|doc)，值最大的就是这个文档的分类

推荐链接：http://www.jianshu.com/p/b8e0ae7cfa39

朴素贝叶斯学习笔记

标签：naivebayes  

原文地址：http://11670039.blog.51cto.com/11660039/1827620