版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_36890813/article/details/89161410
一、朴素贝叶斯
朴素贝叶斯的前提是特征之间没有关联。
公式为：
举例例子理解：
x:某些词汇，y:垃圾邮件或者正常邮件，p(x|y):当是垃圾邮件或者正常邮件时，某些词汇出现概率，p(y):垃圾邮件或正常邮件的概率，p(x):某些词汇的概率。p(x|y)，p(y)和p(x)叫做先验概率，p(y|x)叫做后验概率
因为X为集合，所以公式改为：
是求积符号。
垃圾邮件和正常邮件也可以用0，1表示，公式改写为：
y有0和1两种取值。
二、贝叶斯网络
贝叶斯网络的出现就是解决特征之间有关联。它包含结构和参数，是一个有向无环图，用到联合概率公式。
贝叶斯网络构建方法
- 专家人为的构建
- 机器用数据训练，自己构建
- 专家和机器用数据，一起构建