朴素贝叶斯模型 2017-06-09分类模型 最为广泛的两种分类模型是决策树模型(DecisionTree Model)和朴素贝叶斯模型（NaiveBayesianModel ， NBM ）朴素贝叶斯模型 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设 的分类方法 生活中很多场合需要用到分类，比如新闻分类、病人 分类等等。定义 朴素贝叶斯分类器基于一个简单的假定：给定目标值 时属性之间相互条件独立。 通过以上定理和“朴素”的假定，我们知道： P(Category|Document)=P(Document|Category) *P(Category)/P(Document)详细内容 分类是将一个未知样本分到几个预先已知类的过程。数据分类问题的 解决是一个两步过程：第一步,建立一个模型，描述预先的数据集或概 念集。通过分析由属性描述的样本（或实例，对象等）来构造模型。 假定每一个样本都有一个预先定义的类，由一个被称为类标签的属性 确定。为建立模型而被分析的数据元组形成训练数据集，该步也称作 有指导的学习。 在众多的分类模型中，应用最为广泛的两种分类模型是决策树模型 (DecisionTre
