理论树
1.朴素贝叶斯的学习与分类：
基本方法：用先验概率分布和条件概率分布求联合概率分布，条件独立性假设简化了计算。
后验概率最大化的含义
2.朴素贝叶斯的参数估计：
极大似然估计
学习与分类算法：计算先验概率及条件概率
贝叶斯估计：添加拉普拉斯平滑（为什么？怎么做？）
习题
1.用极大似然估计法推出朴素贝叶斯法中的概率估计公式(4.8)及公式 (4.9)
答：
4.8：估计参数为p，概型为Y服从二项分布，因此可以写出似然函数，然后求解即可。
4.9：条件独立性下，条件概率的运算简便。同样可以写出比4.8多一个给定x的二项分布，进而进行最大似然估计。
2.用贝叶斯估计法推出朴素贝叶斯法中的慨率估计公式(4.10)及公式(4.11)
答：
较为困难，需要用到先验分布为狄利克雷分布。
浙ICP备19012682号