朴素贝叶斯算法是一种概率分类器，通常用于分类任务，此算法的关键是基于贝叶斯定理。我们可以使用贝叶斯定理推导概率模型。根据概率模型的性质，可以在监督学习环境中训练朴素贝叶斯算法。
朴素贝叶斯算法为什么"朴素"
朴素贝叶斯算法之所以被称为朴素，是因为它假设每个输入变量都是独立的，每个特征都以平等和独立的方式对结果做出贡献，一个属性的存在与另一个属性无关。这是一个很强的假设，尽管对真实数据来说是不现实的，但该技术对范围广泛的复杂问题非常有效。这一点也让朴素贝叶斯算法变得有效，因为它简化了预测建模问题以避免维度诅咒。
朴素贝叶斯分类器的类型
多项式朴素贝叶斯
这主要用于文档分类问题，即判断文档属于的类别。这项分类器是根据文档中出现的单词的频率来判断分类的，它可以计算出一篇文档为某些类别的概率，最大概率的类型就是该文档的类别。
伯努利朴素贝叶斯
假设数据服从伯努利分布，也就是二项分布。因此用来预测类变量的参数只取值是或否，例如一个词是否出现在文本中。
高斯朴素贝叶斯
用来处理特征变量。当预测变量采用连续值而不是离散值时，假设这些值是从高斯分布中采样的，以此来估计某个特征属于某个类别的概率。
朴素贝叶斯的应用
人脸识别
作为分类器，它用于识别人脸或其他特征，如鼻子、嘴巴、眼睛等。
天气预报
它可以用来预测天气是好是坏。
医学诊断
医生可以使用分类器提供的信息来诊断患者。使用朴素贝叶斯来指示患者是否处于某些疾病和病症的高风险中。
新闻分类
在朴素贝叶斯分类器的帮助下，可以识别新闻是政治新闻、财经新闻等类别。
