机器学习之朴素贝叶斯分类器

朴素贝叶斯分类器的输入变量一般是分类变量，如果有连续变量，则需要做离散化处理。

朴素贝叶斯分类器一般用来过滤垃圾邮件、汽车保险领域欺诈检测等。下面的例子用来预测员工是否会注册(Enrolls)一个教育项目。

该分类器要求各输入变量属性之间是相互独立的，它对于关联变量是很敏感的，因为这个算法会重复计算其影响。比如收入和信用之间不是条件独立的，因为低收入和低信用的人往往会拖欠债务，算法可能会重复计算收入和信用对于拖欠结果的效应，从而降低预测的准确性。

Naive Bayes 朴素贝叶斯

Probability 概率

Category 分类

c1,c2,c3 表示几种结论

Attribute 属性

a1,a2,a3

a1有多个离散值

Laplace smoothing 拉普拉斯平滑

discretization of continuous variable

连续变量的离散化