版权声明：本文是原创文章，转载需注明出处。 https://blog.csdn.net/laboirousbee/article/details/88965352
目录
朴素贝叶斯是一种概率算法，它基于条件概率这一概念，该算法有很多优势：易于实现，训练速度快。
猜测人
已知与推断
贝叶斯定理
敏感性：在金标准判断有病（阳性）人群中，检测出阳性的几率。真阳性。即，识别能力， 敏感性越高，漏诊概率越低。
特异性：在金标准判断无病（阴性）人群中，检测出阴性的几率。真阴性。检测出确实没病的能力， 特异性越高，确诊概率越高。
假阳性率：得到了阳性结果，但这个阳性结果是假的。即在金标准判断无病（阴性）人群中，检测出为阳性的几率。（没病，但却检测结果说有病），为误诊率。
假阴性率：得到了阴性结果，但这个阴性结果是假的。即在金标准判断有病（阳性）人群中，检测出为阴性的几率。（有病，但却检测结果说没病），为漏诊率。
贝叶斯学习
朴素贝叶斯算法
在朴素贝叶斯定理中，假设概率是相互独立的，天真、不成立的假设，在实践中效果很好，使算法速度很快。，这是贝叶斯的基础，采用的技巧是忘记P(B)，变成了
，变成一种比例关系。
。然后对计算出的概率归一化。
构建垃圾邮件分类
