朴素贝叶斯分类

参考资料：

http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html

实际上朴素贝叶斯的算法的想法很简单，就是对于不同的类别的不同的特征计算其概率分布。如果是离散型，那么相当简单，如果是连续型可以假设比如说高斯分布，或者去拟合。

总之，其核心就是，计算不同类别中，不同特征的概率分布，然后假设特征独立的条件下计算其属于不同类别的概率。

类别的概率	p(y1)	p(y2)
特征\类别	y1	y2
a1	distribution(a1|y1)	distribution(a1|y2)
a2	distribution(a2|y1)	distribution(a2|y2)
a3	distribution(a3|y1)	distribution(a3|y2)
a4	distribution(a4|y1)	distribution(a4|y2)

计算p(y1|x) 可以通过贝叶斯公式，也就是分别计算y1，y2的类别中，这一项可能的概率。

Reference:

http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html