可以说，机器学习的模型是来源于统计学知识，而最具统计学代表性的算法便是朴素贝叶斯分类算法。这套算法的基石便是贝叶斯定理，这套定理不仅仅名扬于机器学习，更渗透进A.I.的方方面面，比如：语音技术的处理(针对人类语言的多义性)，本质上是找到概率最大的文字序列。
在概率学中有两大学派，频率学派(Frequentist)和贝叶斯学派(Bayesian)。它们对“概率”有不同的理解，“概率”本身表示事情发生的可能性，前者认为这种“可能性”是客观存在与这个世界的，而后者认为是存在于我们的主观想法里的。
两种学派都有自己的道理，都很难说服对方，但机器学习更偏向于贝叶斯学派。
（1）特点
频率学派偏向于客观性，从自然的角度出发，试图为事件本身建模。
频率学派只相信客观能测量的东西，认为概率是频率在无限次重复实验时的极限值。
例如：
抛硬币，抛
N
N
N 次(
N
N
N 是一个大数)，记录下来正面向上的次数为
n
n
n，因此，硬币正面向上的概率为
n
/
N
n/N
n/N。
（2）定义
古典概型对概率的定义：实验 A A A 在独立重复实验中，发生的频率趋于极限 p p p，该常数 p p p 为事件 A A A 发生的概率，记为 P ( A ) = p P(A)=p P(A)=p
包含两个核心点：
（3）局限性
对评估不可重复实验事件发生的概率有很大的局限性。如：陨石撞击地球、地震等等。
（1）特点
贝叶斯学派偏向于主观性，认为概率只不过是我们我们思想中对事情发生的可能性的一种猜测，从观察者的角度出发，根据自己的经验，使用自己的一套方法做出推断，因为观察者自身知识能力有限，推断的结果不一定正确，但随着自身对事物认知的提高，不断修正自己的认知，那套方法也有所改变和提升。
例如：
通过观察者自己的认知，认为硬币是均匀的，正面朝上和反面朝上的概率应该各占一半，所以研究的样本特征为硬币均匀，正面朝上的概率为50%，这就是先验概率。然而经过一些实验发现，正面朝上只有20%，观察者开始怀疑硬币并不是均匀的，或者有空气流动干扰等等，因为没有完整的信息作为论证，只能采用似真推断(plausible reasoning)，对各种可能的结果赋予一个合理性(plausibility)，于是原来的样本特征“硬币均匀”更新为“硬币不均匀”、“空气流动”等等新特征，于是，通过观察者知识状态在新的观测后不断发生更新，最后得出正面朝上的概率结果也不断地变化。
在先验概率的基础上，结合各种不同的实验结果(似然度或条件概率)去修正先验概率，这样得出来的结果便是后验概率。
（2）定义
贝叶斯学派对概率的定义：事件
A
A
A 发生的概率是当前数据集
D
D
D 下的概率，即条件概率
P
(
A
∣
D
)
P(A|D)
P(A∣D)；当观测数据集更新为
D
1
D_1
D1时，则事件
A
A
A 发生的概率为P(A|D1)，不同的数据集预测事件A发生的概率不同。
贝叶斯学派评估事件A发生的概率会引用先验概率和后验概率两个概念来得出结果。
包含三个核心点：
后验比例 = 先验比例 x 可能性比例
（3）局限性
设定合理反映事件 A A A 发生的先验概率比较难，不同先验概率所获得的结果不同。
（1）先验概率
先验概率(prior probability)，根据以往的经验和分析得到的概率。
比如：抛一枚硬币正面朝上的概率为50%
（2）条件概率
设
A
、
B
A、B
A、B是两个事件，且
p
(
A
)
>
0
p(A)>0
p(A)>0，称
P ( B ∣ A ) = P ( A B ) P ( A ) P(B|A)=\frac{P(AB)}{P(A)} P(B∣A)=P(A)P(AB)
为在事件 A A A 发生的条件下事件 B B B 发生的概率。 P ( B ∣ A ) P(B|A) P(B∣A)为条件概率， P ( A ) P(A) P(A) 和 P ( B ) P(B) P(B) 是先验概率。
P ( A B ) P(AB) P(AB) 为 A A A 和 B B B 同时发生的概率，即联合概率，还可以表示为 P ( A , B ) P(A, B) P(A,B)
（3）乘法定理
设
A
、
B
A、B
A、B是两个事件，且
p
(
A
)
>
0
p(A)>0
p(A)>0，若
A
A
A 和
B
B
B 相关，求同时发生的概率
P ( A B ) = P ( A ) P ( B ∣ A ) P(AB) = P(A)P(B|A) P(AB)=P(A)P(B∣A)
A B AB AB 同时发生的概率 = A A A发生的概率 x 在 A A A发生的条件下 B B B发生的概率
或者
P ( A B ) = P ( B ) P ( A ∣ B ) P(AB) = P(B)P(A|B) P(AB)=P(B)P(A∣B)
A B AB AB 同时发生的概率 = B B B发生的概率 x 在 B B B发生的条件下 A A A发生的概率
若 A A A 和 B B B 不相关，则：
P ( A B ) = P ( A ) P ( B ) P(AB) = P(A)P(B) P(AB)=P(A)P(B)
（4）全概率公式：
事件
A
A
A 和
B
B
B 相关，事件
B
B
B 发生的所有可能结果
B
1
，
B
2...
，
B
n
B1，B2 ...，Bn
B1，B2...，Bn 相互独立，求事件
A
A
A 发生的概率为：
P ( A ) = P ( A ∣ B 1 ) P ( B 1 ) + P ( A ∣ B 2 ) P ( B 2 ) + . . . + P ( A ∣ B n ) P ( B n ) = ∑ i = 1 n P ( A ∣ B i ) P ( B i ) \begin{aligned}P(A)&=P(A|B_1)P(B_1) +P(A|B_2)P(B_2) + ... + P(A|B_n)P(B_n) \\&=\displaystyle\sum_{i=1}^n{P(A|B_i)P(B_i)}\end{aligned} P(A)=P(A∣B1)P(B1)+P(A∣B2)P(B2)+...+P(A∣Bn)P(Bn)=i=1∑nP(A∣Bi)P(Bi)
（5）后验概率
后验概率为一种条件概率，但是限定了目标事件为隐变量取值，而其中的条件为观测结果。一般的条件概率，条件和事件都可以是任意的。
公式与条件概率类似，比如：某天开车出门时，已经堵车了，求前方发生了交通事故的概率：
P ( 交 通 事 故 ∣ 堵 车 ) = P ( 交 通 事 故 ) P ( 堵 车 ∣ 交 通 事 故 ) P ( 堵 车 ) P(交通事故|堵车) = \frac{P(交通事故)P(堵车|交通事故)}{P(堵车)} P(交通事故∣堵车)=P(堵车)P(交通事故)P(堵车∣交通事故)
贝叶斯定理(原理)：
P ( A , B ) = P ( B , A ) P(A, B) = P(B, A) P(A,B)=P(B,A)
⇒ P ( A ∣ B ) P ( B ) = P ( B ∣ A ) P ( A ) \Rightarrow P(A|B)P(B)=P(B|A)P(A) ⇒P(A∣B)P(B)=P(B∣A)P(A)
⇒ P ( A ∣ B ) = P ( A ) P ( B ∣ A ) P ( B ) \Rightarrow P(A | B) = \frac{P(A)P(B | A)}{P(B)} ⇒P(A∣B)=P(B)P(A)P(B∣A)
推广到机器学习的分类问题中：
假设某样本中的特征向量 x \pmb x xxx 与样本所属类型 y y y 具有因果关系。则利用贝叶斯公式，分类器要做的是：在已知样本的特征向量为 x \pmb x xxx的条件下反推样本所属的类别：
P ( y ∣ x ) = P ( x ∣ y ) P ( y ) P ( x ) \begin{aligned} P(y|\pmb x)=\frac{P(\pmb x|y)P(y)}{P(\pmb x)} \end{aligned} P(y∣xxx)=P(xxx)P(xxx∣y)P(y)
需要知道:
就可以计算出样本属于每一类的概率 P ( y ∣ x ) P(y|\pmb x) P(y∣xxx)，即后验概率。
分类问题只需要预测类别，比较样本属于每一类的概率大小，找出该值最大的那一类即可，因此可以忽略 P ( x ) P(\pmb x) P(xxx)，因为它对所有类都是相同的，简化后分类器的判别函数为：
a r g max y P ( x ∣ y ) P ( y ) \begin{aligned} arg \max_{y} P(\pmb x|y) P(y) \end{aligned} argymaxP(xxx∣y)P(y)
意思是 P ( x ∣ y ) P ( y ) P(\pmb x|y) P(y) P(xxx∣y)P(y)达到最大值时， y y y的值为多少，属于哪一个分类。
概率分布可被分为离散概率分布和连续概率分布，分别有很多种不同情况。
离散概率分布分为4种类型：
这四种分布之间的区别可以简单记为：
| 类型 | 区别 |
|---|---|
| 伯努利分布 | 抛一次硬币 |
| 分类分布 | 抛一次色子 |
| 二项分布 | 抛多次硬币 |
| 多项分布 | 抛多次色子 |
其中最基本的是伯努利分布，由此引出伯努利实验(Bernoulli Trial)。它是只有两种可能实验结果的单次随机实验，其重点是“结果只有两种”，而且“只能实验一次”。
又名两点分布或0-1分布。
若伯努利实验成功，则伯努利随机变量为1，否则为0。其中，成功概率为 p p p，则失败概率为 q = 1 − p q=1-p q=1−p， 0 < p < 1 0<p<1 0<p<1。
典型例子：
抛一次硬币的概率分布，硬币正面向上的概率为
p
p
p，硬币反面向上的概率为
q
q
q。伯努利随机变量
X
X
X 取值只能为0或1，它的概率质量函数(描述离散型数据的概率分布)为：
X X X~ B e r n o u l l i ( p ) Bernoulli(p) Bernoulli(p)
f ( x ; p ) = p x q 1 − x = p I { x = 1 } q I { x = 0 } f(x;p)=p^xq^{1-x}=p^{I\{x=1\}}q^{I\{x=0\}} f(x;p)=pxq1−x=pI{x=1}qI{x=0}
分类分布是实验结果种类大于2的伯努利分布。
典型例子：
抛色子，不同与抛硬币，色子的6个面对应6个不同的点数，每一面向上的概率分别为
p
1
,
p
2
,
p
3
,
p
4
,
p
5
,
p
6
p_1,p_2,p_3,p_4,p_5,p_6
p1,p2,p3,p4,p5,p6（不一定每一面向上的概率为
1
/
6
1/6
1/6）。
分类随机变量 X X X 可以取值为：1，2，…，K，其中取k值得概率为 p k p_k pk，它的概率质量函数是:
X X X~ C a t e g o r i c a l ( p ) Categorical(p) Categorical(p)
f ( x ; p ) = p 1 I { x = 1 } p 2 I { x = 2 } . . . p k I { x = k } = ∏ k = 1 K p k I { x = k } \begin{aligned} f(x;p)=p_1^{I\{x=1\}}p_2^{I\{x=2\}}...p_{k}^{I\{x=k\}}= \prod_{k=1}^{K}p_k^{I\{x=k\}} \end{aligned} f(x;p)=p1I{x=1}p2I{x=2}...pkI{x=k}=k=1∏KpkI{x=k}
二项分布是 n n n 个独立的伯努利实验。当 n = 1 n=1 n=1 时，二项分布就是伯努利分布。
二项随机变量 X X X描述 n n n 次伯努利实验成功了 x x x 次，因此 x x x 可以取值为0,1，…,n。它的概率质量函数是：
X X X~ B e r n o u l l i ( p , n ) Bernoulli(p,n) Bernoulli(p,n)
f ( x ; p , n ) = x ! n ! ( n − x ) ! p x ( 1 − p ) n − x f(x;p,n)=\frac{x!}{n!(n-x)!}p^x(1-p)^{n-x} f(x;p,n)=n!(n−x)!x!px(1−p)n−x
多项分布时 n n n 次分类实验。当 n = 1 n=1 n=1 时，多项分布为分类分布。
多项随机变量 X X X， 描述n次分类实验有 K K K 个结局，而第 k k k 个结局(概率为 p k p_k pk)出现了 n k n_k nk次。它的概率质量函数是:
X X X~ M u l t i n o m i a l ( p , n ) Multinomial(p,n) Multinomial(p,n)
f
(
n
1
,
n
2
,
.
.
.
,
n
k
∣
p
,
n
)
=
n
!
n
1
!
n
2
!
.
.
.
n
k
!
p
1
n
1
p
2
n
2
.
.
.
p
k
n
k
=
n
!
∏
k
=
1
K
p
k
n
k
n
k
!
\begin{aligned} f(n_1,n_2,...,n_k|p,n)=\frac{n!}{n_1!n_2!...n_k!}{p_1^{n_1}p_2^{n_2}...p_k^{n_k}}= n!\prod_{k=1}^{K}\frac{p_k^{n_k}}{n_k!} \end{aligned}
f(n1,n2,...,nk∣p,n)=n1!n2!...nk!n!p1n1p2n2...pknk=n!k=1∏Knk!pknk
其中，
∑
k
=
1
K
n
k
=
n
\begin{aligned} \sum^K_{k=1}{n_k}=n \end{aligned}
k=1∑Knk=n
连续概率分布分为2种类型：
正态分布也称“常态分布”或“高斯分布”。
一维正态分布有两个参数 μ \mu μ和 σ 2 \sigma^2 σ2，一维正态随机变量 X X X 可取任何实数 x x x，它的概率密度函数为：
X X X~ N ( μ , σ 2 ) N(\mu,\sigma^2) N(μ,σ2)
f ( x ∣ μ , σ 2 ) = 1 2 π σ 2 exp ( − ( x − μ ) 2 2 σ 2 ) f(x|\mu,\sigma^2)=\frac{1}{\sqrt{2\pi\sigma^2}}\exp(-\frac{(x-\mu)^2}{2\sigma^2}) f(x∣μ,σ2)=2πσ2 1exp(−2σ2(x−μ)2)
n n n 维正态分布有向量参数 μ \mu μ 和矩阵参数 ϵ \epsilon ϵ， n n n 维正态随机变量 X X X 可取任何实数向量 x x x，它的概率密度函数为
X X X~ N n ( μ , ϵ ) N_n(\mu,\epsilon) Nn(μ,ϵ)
f ( x ∣ μ , ϵ ) = 1 ( 2 π ) n ∣ ϵ ∣ exp ( − 1 2 ( x − μ ) T ϵ − 1 ( x − μ ) ) f(x|\mu,\epsilon)=\frac{1}{\sqrt{(2\pi)^n|\epsilon|}}\exp(-\frac{1}{2}{(x-\mu)^T}{\epsilon^{-1}(x-\mu)}) f(x∣μ,ϵ)=(2π)n∣ϵ∣ 1exp(−21(x−μ)Tϵ−1(x−μ))
贝塔分布是描述概率的连续概率分布，它有两个形状参数 α \alpha α 和 β \beta β。贝塔随机变量 X X X 取值为 x x x，其中 0 ≤ x ≤ 1 0\leq x\leq1 0≤x≤1，它的概率密度函数为：
X X X~ B e t a ( α , β ) Beta(\alpha,\beta) Beta(α,β)
f
(
x
;
α
,
β
)
=
x
α
−
1
(
1
−
x
)
β
−
1
B
(
α
,
β
)
f(x;\alpha,\beta)=\frac{x^{\alpha-1}(1-x)^{\beta-1}}{B(\alpha,\beta)}
f(x;α,β)=B(α,β)xα−1(1−x)β−1,
B
(
α
,
β
)
=
τ
(
α
)
τ
(
β
)
τ
(
α
+
β
)
B(\alpha,\beta)=\frac{\tau(\alpha)\tau(\beta)}{\tau(\alpha+\beta)}
B(α,β)=τ(α+β)τ(α)τ(β)
朴素贝叶斯(Native Bayes)是贝叶斯中非常重要一个分类，其成功的一个重要条件是属性条件独立性假设，由于这种假设在绝大多数情况下显得太强，现实任务中这个假设往往难以成立，人们尝试在不过与增加模型复杂度的前提下，将独立性假设进行各种弱化，由此衍生出来很多新模型，比较经典有半朴素贝叶斯(Semi-Native Bayes)模型和贝叶斯网络(Bayesian Network)模型这两种。
贝叶斯决策论(Bayesian decision theory)是概率框架下实施决策的基本方法。对分类任务来说，在所有相关概率都已知的理想情形下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。
假设有
N
N
N种可能的类别标记，记为
y
=
{
c
1
,
c
2
,
.
.
.
,
c
N
}
y=\{c_1,c_2,...,c_N\}
y={c1,c2,...,cN}，则基于后验概率
P
(
c
i
∣
x
)
P(c_i|x)
P(ci∣x) 可获得样本
x
x
x 分类为
c
i
c_i
ci 所产生的期望损失函数(也称条件风险)为：
R
(
c
i
∣
x
)
=
∑
j
=
1
N
λ
i
j
P
(
c
j
∣
x
)
R(c_i|x)=\sum_{j=1}^N\lambda_{ij}P(c_j|x)
R(ci∣x)=j=1∑NλijP(cj∣x)
其中，
λ
i
j
\lambda_{ij}
λij 是将一个真实标记为
c
j
c_j
cj，但被标记为
c
i
c_i
ci 的样本所产生的的损失。
构建贝叶斯分类器的任务是寻找一个判定准则
h
:
x
→
y
h:x\rightarrow y
h:x→y，将总体风险最小化
R
(
h
)
=
E
x
[
R
(
h
(
x
)
∣
x
)
]
R(h)=E_x[R(h(x)|x)]
R(h)=Ex[R(h(x)∣x)]
显然，对每一个样本
x
x
x，若
h
h
h 能最小化条件风险
R
(
h
(
x
)
∣
x
)
R(h(x)|x)
R(h(x)∣x)，则总体风险
R
(
h
)
R(h)
R(h)也将被最小化。这就产生了贝叶斯判定准则：为最小化总体风险，只需在每个样本上选择哪个能使条件风险
R
(
c
∣
x
)
R(c|x)
R(c∣x) 最小的类别标记，即：
h
∗
(
x
)
=
arg min
c
∈
y
R
(
c
∣
x
)
h^*(x)=\argmin_{c\in y}R(c|x)
h∗(x)=c∈yargminR(c∣x)
此时，
h
∗
h^*
h∗被称为贝叶斯最优分类器，与之对应的总体风险
R
(
h
∗
)
R(h^*)
R(h∗) 也被称为贝叶斯风险。
1
−
R
(
h
∗
)
1-R(h^*)
1−R(h∗)反映了分类器所能达到的最好性能。
具体来说，若目标是最小化目标分类错误率，则误判损失
λ
y
\lambda_y
λy 可写为：
λ
y
=
{
0
,
i
=
j
1
,
其
他
\lambda_y=\left\{ \begin{aligned} 0&, &i=j\\ 1&, &其他 \end{aligned} \right.
λy={01,,i=j其他
此时的条件风险
R
(
c
∣
x
)
=
1
−
P
(
c
∣
x
)
R(c|x)=1-P(c|x)
R(c∣x)=1−P(c∣x)，于是，最小化分类错误率的贝叶斯最优分类器为：
h
∗
(
x
)
=
arg max
c
∈
y
P
(
c
∣
x
)
h^*(x)=\argmax_{c\in y}P(c|x)
h∗(x)=c∈yargmaxP(c∣x)
即对每一个样本
x
x
x，选择能使后验概率
P
(
c
∣
x
)
P(c|x)
P(c∣x) 达到最大的类别标记。
通常情况下
P
(
c
∣
x
)
P(c|x)
P(c∣x) 很难直接获得，根据贝叶斯定理:
P
(
c
∣
x
)
=
P
(
x
,
c
)
P
(
x
)
=
P
(
c
)
P
(
x
∣
c
)
P
(
x
)
P(c|x)=\frac{P(x,c)}{P(x)}=\frac{P(c)P(x|c)}{P(x)}
P(c∣x)=P(x)P(x,c)=P(x)P(c)P(x∣c)
对上一个公式进行简化得：
h
∗
(
x
)
=
arg max
c
∈
y
P
(
c
∣
x
)
=
arg max
c
∈
y
P
(
c
)
P
(
x
∣
c
)
P
(
x
)
=
arg max
c
∈
y
P
(
c
)
P
(
x
∣
c
)
h^*(x)=\argmax_{c\in y}P(c|x)=\argmax_{c\in y}\frac{P(c)P(x|c)}{P(x)}=\argmax_{c\in y}P(c)P(x|c)
h∗(x)=c∈yargmaxP(c∣x)=c∈yargmaxP(x)P(c)P(x∣c)=c∈yargmaxP(c)P(x∣c)
其中 P ( c ) P(c) P(c)是先验概率； P ( x ∣ c ) P(x|c) P(x∣c) 是样本 x x x 相对于类标记 c c c 的类条件概率，或称似然(likelihood)；对于给定的样本 x x x， P ( x ) P(x) P(x)与类标记无关，即最大值取决于分子则可以去掉分母，所以估计 P ( c ∣ x ) P(c|x) P(c∣x) 的问题转化为如何基于训练数据来估计先验概率 P ( x ) P(x) P(x)和 P ( x ∣ c ) P(x|c) P(x∣c)。
通过贝叶斯定理可知，后验概率=先验概率x条件概率(即，似然likelihood)，那么，需要通过一定的手段方法去得到这三种不同类型的概率。
先验概率 P ( c ) P(c) P(c) 表示的是各类样本在样本空间内所占比例，根据大数定律，当样本集合包含充足的独立同分布样本时，可以通过各类样本出现的频率来对 P ( c ) P(c) P(c) 进行估计，即频率=概率。
而对于条件概率 P ( x ∣ c ) P(x|c) P(x∣c) 估计来说，涉及关于 x x x 所有属性的联合概率，如果直接根据样本出现的频率来估计则会遇到很多困难。
下面介绍两种估计法，他们的作用是：
| 方法 | 作用 |
|---|---|
| 极大似然估计 | 求条件概率(似然) |
| 极大后验估计 | 求后验概率 |
对于条件概率的估计，通常使用以下两种方法进行估计：
对于极大似然估计，记类别
c
c
c的条件概率为
P
(
x
∣
c
)
P(x|c)
P(x∣c)，假设对于训练集中的
N
N
N 个样本
X
~
=
(
x
1
+
x
2
+
.
.
.
+
x
N
)
T
\widetilde X=(x_1+x_2+...+x_N)^T
X
=(x1+x2+...+xN)T 可以被参数向量
θ
\theta
θ 唯一确定，那么利用训练集来估计参数，并将
P
(
x
i
∣
c
)
P(x_i|c)
P(xi∣c) 记为
P
(
x
i
∣
c
;
θ
)
P(x_i|c; \theta)
P(xi∣c;θ)。因此对于参数
θ
\theta
θ 进行极大似然估计，就是在
θ
\theta
θ 的取值范围内寻找一组合适的参数使得
P
(
x
∣
c
)
P(x|c)
P(x∣c) 最大，也就是寻找一组能够使得数据
(
x
,
c
)
(x,c)
(x,c) 出现的可能性最大的值，即：
θ
^
=
arg max
θ
P
(
X
~
∣
θ
)
=
arg max
θ
∑
i
=
1
N
P
(
x
i
∣
θ
;
c
)
\widehat{\theta}=\argmax_{\theta}P(\widetilde{X}|\theta)=\argmax_{\theta}\sum^N_{i=1}P(x_i|\theta;c)
θ
=θargmaxP(X
∣θ)=θargmaxi=1∑NP(xi∣θ;c)
由于直接求极大值虽然可行，但是不太方便，所以通常的做法是将似然函数取对数之后再进行极大值的求解，即：
θ
^
=
arg max
θ
∑
i
=
1
N
log
P
(
x
i
∣
θ
;
c
)
\widehat{\theta}=\argmax_{\theta}\sum^N_{i=1}\log P(x_i|\theta;c)
θ
=θargmaxi=1∑NlogP(xi∣θ;c)
应用实例：
有一个箱子有黑球和白球，数量和比例不知。已知抽一百次，有70次是黑球，30次是白球，估计箱子中球的颜色比例？
根据题目知道是二项分布，则：假设抽中黑球的概率为
θ
\theta
θ，每次抽的颜色结果为
X
~
=
{
x
1
,
x
2
,
.
.
.
x
N
}
\widetilde{X}=\{x_1,x_2,...x_N\}
X
={x1,x2,...xN}，
c
c
c表示70次黑球和30次白球的类别事件，于是，在该模型下的抽取结果，可得似然函数：
P
(
X
~
∣
c
)
=
P
(
x
1
∣
c
)
P
(
x
2
∣
c
)
.
.
.
P
(
x
N
∣
c
)
=
θ
70
(
1
−
θ
)
30
\begin{aligned} P(\widetilde{X}|c)&=P(x_1|c)P(x_2|c)...P(x_N|c) \\ &=\theta^{70}(1-\theta)^{30} \end{aligned}
P(X
∣c)=P(x1∣c)P(x2∣c)...P(xN∣c)=θ70(1−θ)30
根据上面的公式，取对数，求极大值得：
log
P
(
X
~
∣
c
)
=
70
log
θ
×
30
log
(
1
−
θ
)
∂
log
P
(
X
~
∣
c
)
∂
θ
=
70
θ
−
30
1
−
θ
\begin{aligned} \log P(\widetilde{X}|c)&=70\log{\theta} \times{30\log{(1-\theta)}}\\ \frac{\partial\log{P(\widetilde{X}|c)}}{\partial{\theta}}&=\frac{70}{\theta}-\frac{30}{1-\theta} \end{aligned}
logP(X
∣c)∂θ∂logP(X
∣c)=70logθ×30log(1−θ)=θ70−1−θ30
因为：
∂
log
P
(
X
~
∣
c
)
∂
θ
=
0
\begin{aligned} \frac{\partial\log{P(\widetilde{X}|c)}}{\partial{\theta}}&=0 \end{aligned}
∂θ∂logP(X
∣c)=0
则：
70
θ
−
30
1
−
θ
=
0
\begin{aligned} \frac{70}{\theta}-\frac{30}{1-\theta}=0 \end{aligned}
θ70−1−θ30=0
所以：
θ
=
70
%
\begin{aligned} \theta=70\% \end{aligned}
θ=70%
即取出黑球的概率为70%，取出白球的概率为30%
极大似然估计视待估计参数为一个未知但固定的量，不考虑观察者的影响，即不考虑先验知识的影响，是传统的频率学派做法。
极大后验估计更贴合贝叶斯学派思想的做法，也有不少人称其为“贝叶斯估计”。
后验概率 P ( c ∣ X ~ ) P(c|\widetilde X) P(c∣X )，可以理解为参数 θ \theta θ 在训练集 X ~ \widetilde X X 下所谓“真实出现的概率”，能够利用参数的先验概率 P ( θ ) P(\theta) P(θ)、样本的先验概率 P ( X ~ ) P(\widetilde{X}) P(X ) 和条件概率 P ( X ~ ∣ c ) = ∏ i = 1 N P ( x i ∣ θ ) P(\widetilde{X}|c)=\prod_{i=1}^NP(x_i|\theta) P(X ∣c)=i=1∏NP(xi∣θ)通过贝叶斯导出。
MAP估计的核心思想，就是将待估参数
θ
\theta
θ 看成随机变量，从而引入了极大似然估计里没有引入的、参数
θ
\theta
θ 的先验分布。MAP估计
θ
^
M
A
P
\widehat{\theta}_{MAP}
θ
MAP 的定义为：
θ
^
M
A
P
=
arg max
θ
P
(
θ
∣
X
~
)
=
arg max
θ
P
(
θ
)
∏
i
=
0
N
P
(
x
i
∣
θ
)
\widehat{\theta}_{MAP}=\argmax_\theta P(\theta|\widetilde X)=\argmax_\theta P(\theta) \prod_{i=0}^{N}P(x_i|\theta)
θ
MAP=θargmaxP(θ∣X
)=θargmaxP(θ)i=0∏NP(xi∣θ)
同样为了计算简捷，通常对上式取对数：
θ
^
M
A
P
=
arg max
θ
log
P
(
θ
∣
X
~
)
=
arg max
θ
P
(
θ
)
[
log
P
(
θ
)
+
∑
i
=
1
N
log
P
(
x
i
∣
θ
)
]
\widehat{\theta}_{MAP}=\argmax_\theta \log P(\theta|\widetilde X)=\argmax_\theta P(\theta) [\log{P(\theta)}+\sum_{i=1}^{N}\log P(x_i|\theta)]
θ
MAP=θargmaxlogP(θ∣X
)=θargmaxP(θ)[logP(θ)+i=1∑NlogP(xi∣θ)]
从形式上看，极大后验概率估计只比极大似然估计多了 log P ( θ ) \log P(\theta) logP(θ) 这一项，不过他们背后的思想却相当不同。
然而，有意思的是，朴素贝叶斯算法在估计参数时，选了极大似然估计法，但是在做决策时则选择了MAP。
和极大似然估计相比，MAP的一个显著优势在于它可以引入所谓的“先验知识”，这正是贝叶斯学派的精髓。然而这个优势也伴随着劣势，它要求我们对模型参数有相对较好的认知，否则会相当大的影响到结果的合理性。
既然先验分布如此重要，那么是否有比较合理的、先验分布的选取方法呢？事实上，如何确定先验分布这个问题，正是贝叶斯统计中最困难、最具有争议却又必须解决的问题。虽然这个问题有很多现代的研究成果，但是遗憾的是，尚未能有一个圆满的理论和普适的方法。这里拟介绍“协调性假说”这个比较直观、容易理解的理论。
此时先验分布又叫共轭先验分布。这里面所谓的“同一类型”其实又是难有恰当定义的概念，但是可以直观的理解为：概率性质相似的所有分布归为“同一类型”。比如所有的正态分布都是“同一类型”的。
朴素贝叶斯分类器(native Bayes classifier)采用了“属性条件独立性假设”(attribute conditional independence assumption)：对已知类别，假设所有属性相互独立，即每个属性(特征变量)独立地对分类结果(决策变量)发生影响。
基于属性条件独立假设，贝叶斯公式可以重写为：
P
(
c
∣
x
)
=
P
(
x
)
P
(
x
∣
c
)
P
(
x
)
=
P
(
c
)
P
(
x
)
∏
i
=
1
n
P
(
x
i
∣
c
)
\begin{aligned} P(c|x)=\frac{P(x)P(x|c)}{P(x)}=\frac{P(c)}{P(x)}\prod_{i=1}^nP(x_i|c) \end{aligned}
P(c∣x)=P(x)P(x)P(x∣c)=P(x)P(c)i=1∏nP(xi∣c)
其中
n
n
n 为属性数目，
x
i
x_i
xi 为
x
x
x 在第
i
i
i 个属性上的取值，如：天气=晴。
由于对所有类别来说，
P
(
x
)
P(x)
P(x) 相同，因此贝叶斯判定准则有：
h
n
b
(
x
)
=
arg max
c
∈
y
P
(
c
)
∏
i
=
1
n
P
(
x
i
∣
c
)
\begin{aligned} h_{nb}(x)=\argmax_{c\in y}P(c)\prod_{i=1}^nP(x_i|c) \end{aligned}
hnb(x)=c∈yargmaxP(c)i=1∏nP(xi∣c)
这就是朴素贝叶斯分类器表达式，其训练过程是基于训练集
D
D
D 来估计类先验概率 ：
P
(
c
)
P(c)
P(c)，并为每个属性估计条件概率：
P
(
x
i
∣
c
)
P(x_i|c)
P(xi∣c)。
（1）先验概率的计算
在训练集
D
D
D 中，第
c
c
c 类样本组成的集合为
D
c
D_c
Dc，若有充足的独立同分布样本，则可以容易地估计先验概率：
P
(
c
)
=
∣
D
c
∣
∣
D
∣
P(c)=\frac{|D_c|}{|D|}
P(c)=∣D∣∣Dc∣
（2）条件概率的计算
对离散属性而言，令 D c , x i D_{c,x_i} Dc,xi 表示 D c D_c Dc 在第 i i i 个属性上取值为 x i x_i xi 的样本组成的集合，则条件概率 P ( x i ) ∣ c P(x_i)|c P(xi)∣c 可估计为： P ( x i ∣ c ) = ∣ D c , x i ∣ ∣ D c ∣ P(x_i|c)=\frac{|D_{c,x_i}|}{|D_c|} P(xi∣c)=∣Dc∣∣Dc,xi∣
对连续属性，通常先将属性特征 x i x_i xi 离散化，然后计算属于类 c c c 的训练样本落在 x i x_i xi 对应离散区间比例估计 P ( x i ∣ c ) P(x_i|c) P(xi∣c)。也可假设 P ( x i ∣ c ) P(x_i|c) P(xi∣c) 的概率分布，即似然函数(Likelihood Function)，如正态分布，可考虑概率密度函数，假定 P ( c i ∣ c ) P(c_i|c) P(ci∣c)~ N ( μ c , i , σ c , i 2 ) N(\mu_{c,i}, \sigma^2_{c,i}) N(μc,i,σc,i2)，其中 μ c , i \mu_{c,i} μc,i 和 σ c , i 2 \sigma_{c,i}^2 σc,i2分别是第 c c c 类样本在第 i i i 个属性上取值的均值和方差，则有： P ( c i ∣ c ) = 1 2 π σ c , i exp ( − ( x i − μ c , i ) 2 2 σ c , i 2 ) P(c_i|c)=\frac{1}{\sqrt{2\pi}\sigma_{c,i}}\exp(-\frac{(x_i-\mu_{c,i})^2}{2\sigma^2_{c,i}}) P(ci∣c)=2π σc,i1exp(−2σc,i2(xi−μc,i)2)
而在 P ( x i ∣ c ) = 0 P(x_i|c)=0 P(xi∣c)=0 的时候，该概率与其他概率相乘的时候会把其他概率覆盖，因此需要引入 L a p l a c e Laplace Laplace 修正。做法是对所有类别下的划分计数都加一，从而避免了等于零的情况出现，并且在训练集较大时，修正对先验的影响也会降低到可以忽略不计。
朴素贝叶斯是一种有监督的分类算法，输入同样为样本特征值向量，以及对应的类标签，输出则为具有高分类功能的模型，能够根据输入的特征值预测分类结果。
| 输入 | 输出 |
|---|---|
| 向量X-样本的多种特征信息值，向量Y-对应的结果数值 | 预测模型，为线性函数。用法：输入待预测的向量X，输出预测结果向量Y |
主要分为三个阶段：
| 特点 | 说明 |
|---|---|
| 模型结构简单，算法易于实现 | 由于特征变量间的相互独立 |
| 算法有稳定的分类效率 | 不同特点的数据集其分类性能差别不大 |
| 数据集上的优势 | 小规模数据集上表现优秀，分类过程时空开销小 |
| 算法适合增量式训练 | 在数据量较大时，可以人为划分后，分批增量训练 |
| 运用领域 | 常用于垃圾邮件分类，以及其他文本分类，比如该新闻是属于时事、体育还是娱乐等 |
| 缺点1 | 对样本的特征维度作了“彼此独立”的假设，只有在独立性假定成立或在特征变量相关性较小的情况下才能获得近似最优的分类效果，这限制了朴素贝叶斯分类的使用 |
| 缺点2 | 需要先知道先验概率，而它很多时候不能准确知道，往往使用假设值代替，这也会导致分类误差的增大 |
如下西瓜数据集3.0（西瓜书P84）
| 编号 | 色泽 | 根蒂 | 敲声 | 纹理 | 脐部 | 触感 | 密度 | 含糖率 | 好瓜 |
|---|---|---|---|---|---|---|---|---|---|
| 1 | 青绿 | 蜷缩 | 浊响 | 清晰 | 凹陷 | 硬滑 | 0.697 | 0.460 | 是 |
| 2 | 乌黑 | 蜷缩 | 沉闷 | 清晰 | 凹陷 | 硬滑 | 0.774 | 0.376 | 是 |
| 3 | 乌黑 | 蜷缩 | 浊响 | 清晰 | 凹陷 | 硬滑 | 0.634 | 0.264 | 是 |
| 4 | 青绿 | 蜷缩 | 沉闷 | 清晰 | 凹陷 | 硬滑 | 0.608 | 0.318 | 是 |
| 5 | 浅白 | 蜷缩 | 浊响 | 清晰 | 凹陷 | 硬滑 | 0.556 | 0.215 | 是 |
| 6 | 青绿 | 稍蜷 | 浊响 | 清晰 | 稍凹 | 软粘 | 0.403 | 0.237 | 是 |
| 7 | 乌黑 | 稍蜷 | 浊响 | 稍糊 | 稍凹 | 软粘 | 0.481 | 0.149 | 是 |
| 8 | 乌黑 | 稍蜷 | 浊响 | 清晰 | 稍凹 | 硬滑 | 0.437 | 0.211 | 是 |
| 9 | 乌黑 | 稍蜷 | 沉闷 | 稍糊 | 稍凹 | 硬滑 | 0.666 | 0.091 | 否 |
| 10 | 青绿 | 硬挺 | 清脆 | 清晰 | 平坦 | 软粘 | 0.243 | 0.267 | 否 |
| 11 | 浅白 | 硬挺 | 清脆 | 模糊 | 平坦 | 硬滑 | 0.245 | 0.057 | 否 |
| 12 | 浅白 | 蜷缩 | 浊响 | 模糊 | 平坦 | 软粘 | 0.343 | 0.099 | 否 |
| 13 | 青绿 | 稍蜷 | 浊响 | 稍糊 | 凹陷 | 硬滑 | 0.639 | 0.161 | 否 |
| 14 | 浅白 | 稍蜷 | 沉闷 | 稍糊 | 凹陷 | 硬滑 | 0.657 | 0.198 | 否 |
| 15 | 乌黑 | 稍蜷 | 浊响 | 清晰 | 稍凹 | 软粘 | 0.360 | 0.370 | 否 |
| 16 | 浅白 | 蜷缩 | 浊响 | 模糊 | 平坦 | 硬滑 | 0.593 | 0.042 | 否 |
| 17 | 青绿 | 蜷缩 | 沉闷 | 稍糊 | 稍凹 | 硬滑 | 0.719 | 0.103 | 否 |
使用该数据集训练一个朴素贝叶斯分类器，对下列“测1”进行分类：（西瓜书P151）
| 编号 | 色泽 | 根蒂 | 敲声 | 纹理 | 脐部 | 触感 | 密度 | 含糖率 | 好瓜 |
|---|---|---|---|---|---|---|---|---|---|
| 测1 | 青绿 | 蜷缩 | 浊响 | 清晰 | 凹陷 | 硬滑 | 0.697 | 0.460 | ? |
（1）计算类先验概率
根据最后一列属性标签来估计先验概率
P
(
c
)
P(c)
P(c)，显然有：
P
(
好
瓜
=
是
)
=
8
17
≈
0.471
P
(
好
瓜
=
否
)
=
9
17
≈
0.529
\begin{aligned} P(好瓜=是)=\frac{8}{17}\approx0.471\\ P(好瓜=否)=\frac{9}{17}\approx0.529 \end{aligned}
P(好瓜=是)=178≈0.471P(好瓜=否)=179≈0.529
（2）计算条件概率
对于离散型属性：
| 属性 | 数量 |
|---|---|
| 色泽 | 3{青绿、乌黑、浅白} |
| 根蒂 | 3{蜷缩、稍蜷、硬挺} |
| 敲声 | 3{浊响、沉闷、清脆} |
| 纹理 | 3{清晰、稍糊、模糊} |
| 脐部 | 3{凹陷、稍凹、平坦} |
| 触感 | 2{硬滑、软粘} |
根据其他列属性来估计条件概率
P
(
x
i
∣
c
)
P(x_i|c)
P(xi∣c):
离散型属性（直接计算该特征值在该特征中所占比例）：
P
青
绿
∣
是
=
P
(
色
泽
=
青
绿
∣
好
瓜
=
是
)
=
3
8
=
0.375
P
青
绿
∣
否
=
P
(
色
泽
=
青
绿
∣
好
瓜
=
否
)
=
3
9
≈
0.333
P
蜷
缩
∣
是
=
P
(
根
蒂
=
蜷
缩
∣
好
瓜
=
是
)
=
5
8
=
0.625
P
蜷
缩
∣
否
=
P
(
根
蒂
=
蜷
缩
∣
好
瓜
=
否
)
=
3
9
≈
0.333
P
浊
响
∣
是
=
P
(
敲
声
=
浊
响
∣
好
瓜
=
是
)
=
6
8
=
0.750
P
浊
响
∣
否
=
P
(
敲
声
=
浊
响
∣
好
瓜
=
否
)
=
4
9
≈
0.444
P
清
晰
∣
是
=
P
(
纹
理
=
清
晰
∣
好
瓜
=
是
)
=
7
8
=
0.875
P
清
晰
∣
否
=
P
(
纹
理
=
清
晰
∣
好
瓜
=
否
)
=
2
9
≈
0.222
P
凹
陷
∣
是
=
P
(
脐
部
=
凹
陷
∣
好
瓜
=
是
)
=
6
8
=
0.750
P
凹
陷
∣
否
=
P
(
脐
部
=
凹
陷
∣
好
瓜
=
否
)
=
2
9
≈
0.222
P
硬
滑
∣
是
=
P
(
触
感
=
硬
滑
∣
好
瓜
=
是
)
=
6
8
=
0.750
P
硬
滑
∣
否
=
P
(
触
感
=
硬
滑
∣
好
瓜
=
否
)
=
6
9
≈
0.667
\begin{aligned} P_{青绿|是}=P(色泽=青绿|好瓜=是)=\frac{3}{8}=0.375\\ P_{青绿|否}=P(色泽=青绿|好瓜=否)=\frac{3}{9}\approx0.333\\ P_{蜷缩|是}=P(根蒂=蜷缩|好瓜=是)=\frac{5}{8}=0.625\\ P_{蜷缩|否}=P(根蒂=蜷缩|好瓜=否)=\frac{3}{9}\approx0.333\\ P_{浊响|是}=P(敲声=浊响|好瓜=是)=\frac{6}{8}=0.750\\ P_{浊响|否}=P(敲声=浊响|好瓜=否)=\frac{4}{9}\approx0.444\\ P_{清晰|是}=P(纹理=清晰|好瓜=是)=\frac{7}{8}=0.875\\ P_{清晰|否}=P(纹理=清晰|好瓜=否)=\frac{2}{9}\approx0.222\\ P_{凹陷|是}=P(脐部=凹陷|好瓜=是)=\frac{6}{8}=0.750\\ P_{凹陷|否}=P(脐部=凹陷|好瓜=否)=\frac{2}{9}\approx0.222\\ P_{硬滑|是}=P(触感=硬滑|好瓜=是)=\frac{6}{8}=0.750\\ P_{硬滑|否}=P(触感=硬滑|好瓜=否)=\frac{6}{9}\approx0.667\\ \end{aligned}
P青绿∣是=P(色泽=青绿∣好瓜=是)=83=0.375P青绿∣否=P(色泽=青绿∣好瓜=否)=93≈0.333P蜷缩∣是=P(根蒂=蜷缩∣好瓜=是)=85=0.625P蜷缩∣否=P(根蒂=蜷缩∣好瓜=否)=93≈0.333P浊响∣是=P(敲声=浊响∣好瓜=是)=86=0.750P浊响∣否=P(敲声=浊响∣好瓜=否)=94≈0.444P清晰∣是=P(纹理=清晰∣好瓜=是)=87=0.875P清晰∣否=P(纹理=清晰∣好瓜=否)=92≈0.222P凹陷∣是=P(脐部=凹陷∣好瓜=是)=86=0.750P凹陷∣否=P(脐部=凹陷∣好瓜=否)=92≈0.222P硬滑∣是=P(触感=硬滑∣好瓜=是)=86=0.750P硬滑∣否=P(触感=硬滑∣好瓜=否)=96≈0.667
连续型属性：
（1）密度|是：
均值：
μ
c
,
i
=
0.697
+
0.774
+
0.634
+
0.608
+
0.556
+
0.403
+
0.481
+
0.437
8
=
0.57375
≈
0.574
\mu_{c,i}=\frac{0.697+0.774+0.634+0.608+0.556+0.403+0.481+0.437}{8}=0.57375\approx0.574
μc,i=80.697+0.774+0.634+0.608+0.556+0.403+0.481+0.437=0.57375≈0.574
方差：
σ
c
,
i
2
=
(
0.697
−
0.574
)
2
+
(
0.774
−
0.574
)
2
+
(
0.634
−
0.574
)
2
+
(
0.608
−
0.574
)
2
+
(
0.556
−
0.574
)
2
+
(
0.403
−
0.574
)
2
+
(
0.481
−
0.574
)
2
+
(
0.437
−
0.574
)
2
8
=
0.015129
+
0.04
+
0.0036
+
0.001156
+
0.000324
+
0.029241
+
0.008649
+
0.018769
8
=
0.116868
8
=
0.0146085
≈
0.12
1
2
\sigma^2_{c,i}=\frac{(0.697-0.574)^2+(0.774-0.574)^2+(0.634-0.574)^2+(0.608-0.574)^2+(0.556-0.574)^2+(0.403-0.574)^2+(0.481-0.574)^2+(0.437-0.574)^2}{8}=\frac{0.015129+0.04+0.0036+0.001156+0.000324+0.029241+0.008649+0.018769}{8}=\frac{0.116868}{8}=0.0146085\approx0.121^2
σc,i2=8(0.697−0.574)2+(0.774−0.574)2+(0.634−0.574)2+(0.608−0.574)2+(0.556−0.574)2+(0.403−0.574)2+(0.481−0.574)2+(0.437−0.574)2=80.015129+0.04+0.0036+0.001156+0.000324+0.029241+0.008649+0.018769=80.116868=0.0146085≈0.1212
则
σ
=
0.121
\sigma=0.121
σ=0.121
P 密 度 : 0.697 ∣ 是 = P ( 密 度 = 0.697 ∣ 好 瓜 = 是 ) = 1 2 π × 0.121 exp ( − ( 0.697 − 0.574 ) 2 2 × 0.12 1 2 ) ≈ 1.967 \begin{aligned} P_{密度:0.697|是}=P(密度=0.697|好瓜=是)=\frac{1}{\sqrt{2\pi}\times{0.121}}\exp(-\frac{(0.697-0.574)^2}{2\times{0.121^2}})\approx1.967 \end{aligned} P密度:0.697∣是=P(密度=0.697∣好瓜=是)=2π ×0.1211exp(−2×0.1212(0.697−0.574)2)≈1.967
（2）密度|否
均值：
μ
c
,
i
=
0.666
+
0.243
+
0.245
+
0.343
+
0.639
+
0.657
+
0.360
+
0.593
+
0.719
9
=
0.4961111111
≈
0.496
\mu_{c,i}=\frac{0.666+0.243+0.245+0.343+0.639+0.657+0.360+0.593+0.719}{9}=0.4961111111\approx0.496
μc,i=90.666+0.243+0.245+0.343+0.639+0.657+0.360+0.593+0.719=0.4961111111≈0.496
方差：
σ
c
,
i
2
=
(
0.666
−
0.496
)
2
+
(
0.243
−
0.496
)
2
+
(
0.245
−
0.496
)
2
+
(
0.343
−
0.496
)
2
+
(
0.639
−
0.496
)
2
+
(
0.657
−
0.496
)
2
+
(
0.360
−
0.496
)
2
+
(
0.593
−
0.496
)
2
+
(
0.719
−
0.496
)
2
9
=
0.0289
+
0.064009
+
0.063001
+
0.023409
+
0.020449
+
0.025921
+
0.018496
+
0.009409
+
0.049729
9
=
0.303323
9
≈
0.034
=
0.18
4
2
\sigma^2_{c,i}=\frac{(0.666-0.496)^2+(0.243-0.496)^2+(0.245-0.496)^2+(0.343-0.496)^2+(0.639-0.496)^2+(0.657-0.496)^2+(0.360-0.496)^2+(0.593-0.496)^2+(0.719-0.496)^2}{9}=\frac{0.0289+0.064009+0.063001+0.023409+0.020449+0.025921+0.018496+0.009409+0.049729}{9}=\frac{0.303323}{9}\approx0.034=0.184^2
σc,i2=9(0.666−0.496)2+(0.243−0.496)2+(0.245−0.496)2+(0.343−0.496)2+(0.639−0.496)2+(0.657−0.496)2+(0.360−0.496)2+(0.593−0.496)2+(0.719−0.496)2=90.0289+0.064009+0.063001+0.023409+0.020449+0.025921+0.018496+0.009409+0.049729=90.303323≈0.034=0.1842
则
σ
=
0.184
\sigma=0.184
σ=0.184
P 密 度 : 0.697 ∣ 否 = P ( 密 度 = 0.697 ∣ 好 瓜 = 否 ) = 1 2 π × 0.184 exp ( − ( 0.697 − 0.496 ) 2 2 × 0.18 4 2 ) ≈ 1.193 \begin{aligned} P_{密度:0.697|否}=P(密度=0.697|好瓜=否)=\frac{1}{\sqrt{2\pi}\times{0.184}}\exp(-\frac{(0.697-0.496)^2}{2\times{0.184^2}})\approx1.193 \end{aligned} P密度:0.697∣否=P(密度=0.697∣好瓜=否)=2π ×0.1841exp(−2×0.1842(0.697−0.496)2)≈1.193
（3）含糖率|是
均值：
μ
c
,
i
=
0.460
+
0.376
+
0.264
+
0.318
+
0.215
+
0.237
+
0.149
+
0.211
8
=
2.23
8
=
0.27875
≈
0.279
\mu_{c,i}=\frac{0.460+0.376+0.264+0.318+0.215+0.237+0.149+0.211}{8}=\frac{2.23}{8}=0.27875\approx0.279
μc,i=80.460+0.376+0.264+0.318+0.215+0.237+0.149+0.211=82.23=0.27875≈0.279
方差：
σ
c
,
i
2
=
(
0.460
−
0.279
)
2
+
(
0.376
−
0.279
)
2
+
(
0.264
−
0.279
)
2
+
(
0.318
−
0.279
)
2
+
(
0.215
−
0.279
)
2
+
(
0.237
−
0.279
)
2
+
(
0.149
−
0.279
)
2
+
(
0.211
−
0.279
)
2
8
=
0.032761
+
0.009409
+
0.000225
+
0.001521
+
0.004096
+
0.001764
+
0.0169
+
0.004624
8
=
0.0713
8
=
0.0089125
≈
0.09
4
2
\sigma^2_{c,i}=\frac{(0.460-0.279)^2+(0.376-0.279)^2+(0.264-0.279)^2+(0.318-0.279)^2+(0.215-0.279)^2+(0.237-0.279)^2+(0.149-0.279)^2+(0.211-0.279)^2}{8}=\frac{0.032761+0.009409+0.000225+0.001521+0.004096+0.001764+0.0169+0.004624}{8}=\frac{0.0713}{8}=0.0089125\approx0.094^2
σc,i2=8(0.460−0.279)2+(0.376−0.279)2+(0.264−0.279)2+(0.318−0.279)2+(0.215−0.279)2+(0.237−0.279)2+(0.149−0.279)2+(0.211−0.279)2=80.032761+0.009409+0.000225+0.001521+0.004096+0.001764+0.0169+0.004624=80.0713=0.0089125≈0.0942
则
σ
=
0.094
\sigma=0.094
σ=0.094
P 含 糖 : 0.460 ∣ 是 = P ( 密 度 = 0.460 ∣ 好 瓜 = 是 ) = 1 2 π × 0.094 exp ( − ( 0.460 − 0.279 ) 2 2 × 0.09 4 2 ) ≈ 0.665 \begin{aligned} P_{含糖:0.460|是}=P(密度=0.460|好瓜=是)=\frac{1}{\sqrt{2\pi}\times{0.094}}\exp(-\frac{(0.460-0.279)^2}{2\times{0.094^2}})\approx0.665 \end{aligned} P含糖:0.460∣是=P(密度=0.460∣好瓜=是)=2π ×0.0941exp(−2×0.0942(0.460−0.279)2)≈0.665
（4）含糖率|否
均值：
μ
c
,
i
=
0.091
+
0.267
+
0.057
+
0.099
+
0.161
+
0.198
+
0.370
+
0.042
+
0.103
9
=
1.388
9
=
0.1542222
≈
0.154
\mu_{c,i}=\frac{0.091+0.267+0.057+0.099+0.161+0.198+0.370+0.042+0.103}{9}=\frac{1.388}{9}=0.1542222\approx0.154
μc,i=90.091+0.267+0.057+0.099+0.161+0.198+0.370+0.042+0.103=91.388=0.1542222≈0.154
方差：
σ
c
,
i
2
=
(
0.091
−
0.154
)
2
+
(
0.267
−
0.154
)
2
+
(
0.057
−
0.154
)
2
+
(
0.099
−
0.154
)
2
+
(
0.161
−
0.154
)
2
+
(
0.198
−
0.154
)
2
+
(
0.370
−
0.154
)
2
+
(
0.042
−
0.154
)
2
+
(
0.103
−
0.154
)
2
9
=
0.003969
+
0.012769
+
0.009409
+
0.003025
+
0.000049
+
0.001936
+
0.046656
+
0.012544
+
0.002601
9
=
0.092958
9
≈
0.10
2
2
\sigma^2_{c,i}=\frac{(0.091-0.154)^2+(0.267-0.154)^2+(0.057-0.154)^2+(0.099-0.154)^2+(0.161-0.154)^2+(0.198-0.154)^2+(0.370-0.154)^2+(0.042-0.154)^2+(0.103-0.154)^2}{9}=\frac{0.003969+0.012769+0.009409+0.003025+0.000049+0.001936+0.046656+0.012544+0.002601}{9}=\frac{0.092958}{9}\approx0.102^2
σc,i2=9(0.091−0.154)2+(0.267−0.154)2+(0.057−0.154)2+(0.099−0.154)2+(0.161−0.154)2+(0.198−0.154)2+(0.370−0.154)2+(0.042−0.154)2+(0.103−0.154)2=90.003969+0.012769+0.009409+0.003025+0.000049+0.001936+0.046656+0.012544+0.002601=90.092958≈0.1022
则
σ
=
0.102
\sigma=0.102
σ=0.102
P 含 糖 : 0.460 ∣ 否 = P ( 含 糖 = 0.460 ∣ 好 瓜 = 否 ) = 1 2 π × 0.102 exp ( − ( 0.460 − 0.154 ) 2 2 × 0.10 2 2 ) ≈ 0.043 \begin{aligned} P_{含糖:0.460|否}=P(含糖=0.460|好瓜=否)=\frac{1}{\sqrt{2\pi}\times{0.102}}\exp(-\frac{(0.460-0.154)^2}{2\times{0.102^2}})\approx0.043 \end{aligned} P含糖:0.460∣否=P(含糖=0.460∣好瓜=否)=2π ×0.1021exp(−2×0.1022(0.460−0.154)2)≈0.043
于是有：
P
(
好
瓜
=
是
)
×
P
(
青
绿
∣
是
)
×
P
(
蜷
缩
∣
是
)
×
P
(
浊
响
∣
是
)
×
P
(
清
晰
∣
是
)
×
P
(
凹
陷
∣
是
)
×
P
(
硬
滑
∣
是
)
×
P
(
密
度
:
0.697
∣
是
)
×
P
(
含
糖
:
0.460
∣
是
)
=
0.471
×
0.375
×
0.625
×
0.750
×
0.875
×
0.750
×
0.750
×
1.967
×
0.665
≈
0.053
P(好瓜=是)\times P(青绿|是)\times P(蜷缩|是)\times P(浊响|是) \times P(清晰|是)\times P(凹陷|是)\times P(硬滑|是)\times P(密度:0.697|是)\times P(含糖:0.460|是)=0.471\times0.375\times0.625\times 0.750\times 0.875\times 0.750\times 0.750\times 1.967\times 0.665 \approx0.053
P(好瓜=是)×P(青绿∣是)×P(蜷缩∣是)×P(浊响∣是)×P(清晰∣是)×P(凹陷∣是)×P(硬滑∣是)×P(密度:0.697∣是)×P(含糖:0.460∣是)=0.471×0.375×0.625×0.750×0.875×0.750×0.750×1.967×0.665≈0.053
P ( 好 瓜 = 否 ) × P ( 青 绿 ∣ 否 ) × P ( 蜷 缩 ∣ 否 ) × P ( 浊 响 ∣ 否 ) × P ( 清 晰 ∣ 否 ) × P ( 凹 陷 ∣ 否 ) × P ( 硬 滑 ∣ 否 ) × P ( 密 度 : 0.697 ∣ 否 ) × P ( 含 糖 : 0.460 ∣ 否 ) = 0.529 × 0.333 × 0.333 × 0.444 × 0.222 × 0.222 × 0.667 × 1.193 × 0.043 ≈ 4.39 × 1 0 − 5 P(好瓜=否)\times P(青绿|否)\times P(蜷缩|否)\times P(浊响|否) \times P(清晰|否)\times P(凹陷|否)\times P(硬滑|否)\times P(密度:0.697|否)\times P(含糖:0.460|否)=0.529\times 0.333\times0.333\times0.444\times 0.222\times 0.222\times 0.667\times 1.193\times 0.043\approx4.39\times 10^{-5} P(好瓜=否)×P(青绿∣否)×P(蜷缩∣否)×P(浊响∣否)×P(清晰∣否)×P(凹陷∣否)×P(硬滑∣否)×P(密度:0.697∣否)×P(含糖:0.460∣否)=0.529×0.333×0.333×0.444×0.222×0.222×0.667×1.193×0.043≈4.39×10−5
由于 0.053 > 4.39 × 1 0 − 5 0.053\gt 4.39\times 10^{-5} 0.053>4.39×10−5，因此朴素贝叶斯分类器将测试样本“测1”判别为“好瓜”。
若测试集某一个属性值在训练集中没有与之对应的类，如“敲声=清脆”属性，没有“好瓜=是”的分类，则会出现该属性下条件概率为0的情况：
P
(
清
脆
∣
是
)
=
P
(
敲
声
=
清
脆
∣
好
瓜
=
是
)
=
0
8
=
0
P(清脆|是)=P(敲声=清脆|好瓜=是)=\frac{0}{8}=0
P(清脆∣是)=P(敲声=清脆∣好瓜=是)=80=0
随后无论是其他属性的条件概率值为多少，由于连乘其结果都会为0，即最小(概率无负数)，会被分为“好瓜=否”，这样显然不太合理。
为了避免其他属性携带的信息被训练集中未出现的属性值“抹去”，在估计概率值时，通常要进行“平滑”(smoothing)，常用“拉普拉斯修正”(Laplacian correction)。具体来说，令 N N N 表示训练集 D D D 中可能的类别数， N i N_i Ni 表示第 i i i 个属性可能的取值，则前面先验概率和条件概率可以被修正为：
P ^ ( c ) = ∣ D c ∣ + 1 ∣ D ∣ + N \widehat P(c)=\frac{|D_c|+1}{|D|+N} P (c)=∣D∣+N∣Dc∣+1
P ^ ( x i ∣ c ) = ∣ D c i x i ∣ + 1 ∣ D c ∣ + N i \widehat P(x_i|c)=\frac{|D_{c_ix_i}|+1}{|D_{c}|+N_i} P (xi∣c)=∣Dc∣+Ni∣Dcixi∣+1
于是本例子中，先验概率可估计为：
P
^
(
好
瓜
=
是
)
=
8
+
1
17
+
2
≈
0.474
\widehat P(好瓜=是)=\frac{8+1}{17+2}\approx0.474
P
(好瓜=是)=17+28+1≈0.474
P
^
(
好
瓜
=
否
)
=
9
+
1
17
+
2
≈
0.526
\widehat P(好瓜=否)=\frac{9+1}{17+2}\approx0.526
P
(好瓜=否)=17+29+1≈0.526
类似的，条件概率可估计为：
P
^
青
绿
∣
是
=
P
^
(
色
泽
=
青
绿
∣
好
瓜
=
是
)
=
3
+
1
8
+
3
≈
0.364
\widehat P_{青绿|是}=\widehat P(色泽=青绿|好瓜=是)=\frac{3+1}{8+3}\approx 0.364
P
青绿∣是=P
(色泽=青绿∣好瓜=是)=8+33+1≈0.364
P
^
青
绿
∣
否
=
P
^
(
色
泽
=
青
绿
∣
好
瓜
=
否
)
=
3
+
1
9
+
3
≈
0.333
\widehat P_{青绿|否}=\widehat P(色泽=青绿|好瓜=否)=\frac{3+1}{9+3}\approx 0.333
P
青绿∣否=P
(色泽=青绿∣好瓜=否)=9+33+1≈0.333
其余的类似，并且上面提到的概率
P
清
脆
∣
是
P_{清脆|是}
P清脆∣是 可估计为：
P
^
清
脆
∣
是
=
P
^
(
敲
声
=
清
脆
∣
好
瓜
=
是
)
=
0
+
1
8
+
3
≈
0.091
\widehat P_{清脆|是}=\widehat P(敲声=清脆|好瓜=是)=\frac{0+1}{8+3}\approx 0.091
P
清脆∣是=P
(敲声=清脆∣好瓜=是)=8+30+1≈0.091
拉普拉斯修正实质上假设了属性值与类别均匀分布，这是在朴素贝叶斯学过程中额外引入的的关于数据的先验。显然拉普拉斯修正避免了因训练样本不充分而导致概率估计值为0的问题，并且在训练值变大时，修正过程所引入的先验(prior)的影响也会逐渐变得可忽略，使得估值趋向于实际概率值。
在现实任务中，朴素贝叶斯分类器有多种使用方法。例如：
原理回顾：
贝叶斯分类器是基于下面的公式工作的：
P
(
y
∣
x
1
,
x
2
,
.
.
.
,
x
j
)
=
P
(
x
1
,
.
.
.
x
j
∣
y
)
P
(
y
)
P
(
x
1
,
x
2
,
.
.
.
x
j
)
P(y|x_1,x_2,...,x_j)=\frac{P(x_1,...x_j|y)P(y)}{P(x_1,x_2,...x_j)}
P(y∣x1,x2,...,xj)=P(x1,x2,...xj)P(x1,...xj∣y)P(y)
其中：
P
(
y
∣
x
1
,
x
2
,
.
.
.
,
x
j
)
P(y|x_1,x_2,...,x_j)
P(y∣x1,x2,...,xj) - 后验概率 。一个观察值在其
j
j
j 个特征是
x
1
,
x
2
,
.
.
.
,
x
j
x_1,x_2,...,x_j
x1,x2,...,xj 的情况下，它的分类是类别
y
y
y 的概率。
P
(
x
1
,
x
2
,
.
.
.
,
x
j
∣
y
)
P(x_1,x_2,...,x_j|y)
P(x1,x2,...,xj∣y) - 似然概率 。给定观测值的分类
y
y
y，其特征是
x
1
,
x
2
,
.
.
.
,
x
j
x_1,x_2,...,x_j
x1,x2,...,xj 的概率。
P
(
y
)
P(y)
P(y) - 先验概率 。查看数居前对于分类
y
y
y 出现概率的猜测。
P
(
x
1
,
x
2
,
.
.
.
,
x
j
)
P(x_1,x_2,...,x_j)
P(x1,x2,...,xj) - 边缘概率 。
j
j
j 个特征同时出现的概率。
模型的介绍：
安装 scikit-learn:
python -m pip install scikit-learn
注意numpy需要1.19.3版本，否则为1.19.4新版会报错(2020年测)，此时：
python -m pip install numpy==1.19.3
在Scikit-Learn中，基于贝叶斯这一大类的算法模型的相关库都在sklearn.native_bayes包之中。根据似然度计算方法不同，朴素贝叶斯分成几个具体的算法分支：
| 算法 | 运用 | 使用场景 |
|---|---|---|
| 伯努利朴素贝叶斯(BernoulliNB) | 特征变量是布尔变量，符合0/1分布，在文档分类中特征是单词否出现 |
文本分类 |
| 多项式朴素贝叶斯(MultinomialNB) | 特征变量是离散变量，符合多项分布，在文档分类中，特征变量体现在一个单词出现的次数，或者是单词的TF-IDF值等 |
文本分类，使用词袋或者TF-IDF方法 |
| 高斯贝叶斯(GaussianNB) | 特征变量是连续变量，符合高斯分布，比如人的身高，物体的长度 |
文本分类 |
多项式模型朴素贝叶斯和伯努利模型朴素贝叶斯常用在文本分类问题中，高斯分布的朴素贝叶斯主要用于连续变量中,且假设连续变量是服从正太分布的。
说明：
目标数据特征概率分布：多重伯努利分布，即有多个特征，但每个特征都假设是一个二元(Bernoulli, boolean)变量。
这类算法要求样本以二元值特征向量表示；如果样本含有其他类型的数据，一个BernoulliNB实例会将其二值化(取决于binarize参数)。
伯努利朴素贝叶斯的决策规则基于：
与多项分布朴素贝叶斯的规则不同 伯努利朴素贝叶斯明确地惩罚类 y 中没有出现作为预测因子的特征 i ，而多项分布分布朴素贝叶斯只是简单地忽略没出现的特征。
在文本分类的例子中，词频向量(word occurrence vectors)(而非词数向量(word count vectors))可能用于训练和用于这个分类器。 BernoulliNB 可能在一些数据集上可能表现得更好，特别是那些更短的文档。 如果时间允许，建议对伯努利和多项式两个模型都进行评估。
例子：
# 加载库
import numpy as np
from sklearn.naive_bayes import BernoulliNB
# 创建三个二元特征，100个样本
features = np.random.randint(2, size=(100, 3))
# 创建一个二元目标向量
target = np.random.randint(2, size=(100, 1)).ravel()
# 给定每个分类的先验概率，创建一个伯努利朴素贝叶斯对象
classifer = BernoulliNB(class_prior=[0.25, 0.5])
# 训练模型
model = classifer.fit(features, target)
模型与方法：
模型：
BernoulliNB(*, alpha=1.0, binarize=0.0, fit_prior=True, class_prior=None)
| 参数 | 说明 |
|---|---|
| alpha | 平滑因子,默认为1。alpha=0，不做平滑；alpha=1，Laplace平滑，避免0概率出现；0<alpha<1，Lidston平滑，alpha越小，迭代次数越高，精度越高。 |
| binarize | 样本特征二值化的阈值，默认是0。如果不输入，则模型会认为所有特征都已经是二值化形式了；如果输入具体的值，则模型会把大于该值的部分归为一类，小于的归为另一类。 |
| fit_prior | 是否去学习类的先验概率，默认是True |
| class_prior_prior | 列表类型。各个类别的先验概率，如果没有指定，则模型会根据数据自动学习， 每个类别的先验概率相同，等于类标记总个数N分之一。 |
方法：
| 方法 | 说明 |
|---|---|
| fit(X,Y) | 在数据集(X,Y)上拟合模型 |
| get_params() | 获取模型参数 |
| predict(X) | 对数据集X进行预测 |
| predict_log_proba(X) | 对数据集X预测，得到每个类别的概率对数值 |
| predict_proba(X) | 对数据集X预测，得到每个类别的概率 |
| score(X,Y) | 得到模型在数据集(X,Y)的得分情况 |
说明：
MultinomialNB 实现了服从多项分布数据的朴素贝叶斯算法，也是用于文本分类(这个领域中数据往往以词向量表示，尽管在实践中 tf-idf 向量在预测时表现良好)的两大经典朴素贝叶斯算法之一。 分布参数由每类
y
y
y 的
θ
y
=
(
θ
y
1
,
.
.
.
,
θ
y
n
)
\theta_y=(\theta{y_1},...,\theta{y_n})
θy=(θy1,...,θyn) 向量决定，式中
n
n
n 是特征的数量(对于文本分类，是词汇量的大小)，
θ
y
i
\theta_{y_i}
θyi 是样本中属于类
y
y
y 中特征
i
i
i 概率
P
(
x
i
∣
y
)
P(x_i|y)
P(xi∣y)，参数
θ
\theta
θ 使用平滑过的最大似然估计法来估计，即相对频率计数：
θ
^
=
N
y
i
+
α
N
y
+
α
n
\widehat{\theta}=\frac{N_{y_i}+\alpha}{N_y+\alpha n}
θ
=Ny+αnNyi+α
式中 N y i = ∑ x ∈ T x i N_{y_i}=\sum_{x\in T}x_i Nyi=∑x∈Txi 表示特征 i i i 出现在 y y y 类的训练集 T T T 中， N y = ∑ i = 1 n N y i N_{y}=\sum^n_{i=1}N_{y_i} Ny=∑i=1nNyi 表示类 y y y 所有特征总量。
先验平滑因子 α ≥ 0 \alpha\geq0 α≥0 应用于在学习样本中没有出现的特征，以防在将来的计算中出现0概率输出，把 α = 1 \alpha=1 α=1 称为拉普拉斯平滑(Lapalce smoothing)，而 α < 0 \alpha\lt0 α<0 被称为利德斯通平滑(Lidstone smoothing)。
例子：
创建一个玩具文本数据集，含有3个观察值(3句话)，然后把文本子字符串转换为词袋特征矩阵和一个目标向量，再使用MultinomialNB来训练一个模型，并给定两个分类(支持巴西队和支持德国队)的先验概率。
# 加载库
import numpy as np
from sklearn.naive_bayes import MultinomialNB
from sklearn.feature_extraction.text import CountVectorizer
# 创建文本
text_data = np.array(['I love Brazil. Brazil!', 'Brazil is best', 'Germany beats both'])
# 创建词袋
count = CountVectorizer()
bag_of_words = count.fit_transform(text_data)
# 创建特征矩阵
features = bag_of_words.toarray()
# 创建目标向量
target = np.array([0, 0, 1])
# 给定每个分类的先验概率，创建一个多项式朴素贝叶斯对象
classifer = MultinomialNB(class_prior=[0.25, 0.5])
# 训练模型
model = classifer.fit(features, target)
# 创建一个观察值
new_observation = [[0, 0, 0, 1, 0, 1, 0]]
# 预测观察值的分类
model.predict(new_observation)
# array([0])
模型与方法（同上）：
模型：
MultinomialNB(*, alpha=1.0, fit_prior=True, class_prior=None)
| 参数 | 说明 |
|---|---|
| alpha | 平滑因子,默认为1。alpha=0，不做平滑；alpha=1，Laplace平滑，避免0概率出现；0<alpha<1，Lidston平滑，alpha越小，迭代次数越高，精度越高。 |
| binarize | 样本特征二值化的阈值，默认是0。如果不输入，则模型会认为所有特征都已经是二值化形式了；如果输入具体的值，则模型会把大于该值的部分归为一类，小于的归为另一类。 |
| fit_prior | 是否去学习类的先验概率，默认是True |
| class_prior_prior | 列表类型。各个类别的先验概率，如果没有指定，则模型会根据数据自动学习， 每个类别的先验概率相同，等于类标记总个数N分之一。 |
方法：
| 方法 | 说明 |
|---|---|
| fit(X,Y) | 在数据集(X,Y)上拟合模型 |
| get_params() | 获取模型参数 |
| predict(X) | 对数据集X进行预测 |
| predict_log_proba(X) | 对数据集X预测，得到每个类别的概率对数值 |
| predict_proba(X) | 对数据集X预测，得到每个类别的概率 |
| score(X,Y) | 得到模型在数据集(X,Y)的得分情况 |
说明：
GaussianNB 实现了运用于分类的高斯朴素贝叶斯算法。特征的可能性(即概率)假设为高斯分布:
参数
σ
y
\sigma_y
σy 和
μ
y
\mu_y
μy 使用最大似然估计法。
举例：
# 加载库
from sklearn import datasets
from sklearn.naive_bayes import GaussianNB
# 加载数据
iris = datasets.load_iris()
features = iris.data
target = iris.target
# 创建高斯朴素贝叶斯对象
classifer = GaussianNB()
# 训练模型
model = classifer.fit(features, target)
# 预测模型
y_pred = model.predict(iris.data)
print("Number of mislabeled points out of a total %d points : %d" % (features.shape[0], (target != y_pred).sum()))
# Number of mislabeled points out of a total 150 points : 6
模型和方法：
模型：
GaussianNB(*, priors=None, var_smoothing=1e-09)
| 参数 | 说明 |
|---|---|
| priors | 先验概率大小，如果没有给定，模型则根据样本数据自己计算（利用极大似然法） |
方法：
| 方法 | 说明 |
|---|---|
| fit(X,Y) | 在数据集(X,Y)上拟合模型 |
| get_params() | 获取模型参数 |
| predict(X) | 对数据集X进行预测 |
| predict_log_proba(X) | 对数据集X预测，得到每个类别的预测概率对数值 |
| predict_proba(X) | 对数据集X预测，得到每个类别的预测概率 |
| score(X,Y) | 得到模型在数据集(X,Y)的得分情况 |
注意：
GaussianNB产生的预测概率(使用predict_proba输出)是没有经过校正的，即不可信的，需要使用保序回归(isotonic regression)或者其他相关方法。
使用 CalibratedClassifierCV
from sklearn import datasets
from sklearn.naive_bayes import GaussianNB
from sklearn.calibration import CalibratedClassifierCV
# 加载数据
iris = datasets.load_iris()
features = iris.data
target = iris.target
# 创建高朴素贝叶斯对象
classifer = GaussianNB()
# 创建使用 sigmoid 校准调校过的交叉验证模型
classifer_sigmoid = CalibratedClassifierCV(classifer, cv=2, method='sigmoid')
# 校准概率
classifer_sigmoid.fit(features, target)
# 创建新的观测值
new_observation = [[2.6, 2.6, 2.6, 0.4]]
# 查看校准过的概率
classifer_sigmoid.predict_proba(new_observation)
# array([[0.31859969, 0.63663466, 0.04476565]])
# 原始预测概率，不使用校准，得到很极端的概率预测值
classifer.fit(features, target).predict_proba(new_observation)
# array([[2.31548432e-04, 9.99768128e-01, 3.23532277e-07]])
CalibratedclassifierCV提供了两种校准方法: Platt sigmoid模型和保序回归，可以通过method参数进行设置。保序回归是无参的，在样本量很小的情况下，它往往会过拟合，比如本案例中的鸢尾花数据集，只有150个观察值。
为了降低贝叶斯公式中估计后验概率 P ( c ∣ x ) P(c|x) P(c∣x) 的困难，朴素贝叶斯分类器采用了属性条件独立性假设，但在现实任务中这个假设往往很难成立，于是人们尝试对属性条件独立性假设进行一定程度的放松，由此产生了一类称为“半朴素贝叶斯分类器”(semi-native Bayes classifiers)的学习方法。
半朴素贝叶斯分类器的基本想法是适当考虑一部分属性间的相互依赖信息，从而既不需进行完全联合概率计算，又不至于彻底忽略了比较强的属性依赖关系。
“独依赖估计”(One-Dependent Estimator，ODE)是半朴素贝叶斯分类器最常用的一种策略。顾名思义，所谓“独依赖”就是假设每个属性在类别之外最多仅依赖于一个其他属性，即：
P
(
c
∣
x
)
∝
P
(
c
)
∏
i
=
1
d
P
(
x
i
∣
c
,
p
a
i
)
P(c|x) \propto{P(c)}\prod^d_{i=1}P(x_i|c,pa_i)
P(c∣x)∝P(c)i=1∏dP(xi∣c,pai)
其中
p
a
i
pa_i
pai 为属性
x
i
x_i
xi 所依赖的属性，称为
x
i
x_i
xi 的父属性。对于每个属性，若父属性已知，则可以采用朴素贝叶斯计算条件概率的方法来估值计算
P
(
x
i
∣
c
,
p
a
i
)
P(x_i|c,pa_i)
P(xi∣c,pai)。于是问题的关键就是：如何确定每个属性的父属性，不同的做法产生不同的独依赖分类器，具体如下两种：
互信息 I ( x i , x j ∣ y ) I(x_i,x_j|y) I(xi,xj∣y) 刻画了属性 x i x_i xi 和 x j x_j xj 在已知类别情况下的相关性，因此通过最大生成树算法，TAN实际上仅保留了强相关属性之间的依赖性。
综上可知，AODE的训练过程也是“计数”，在训练数据集上对符合条件的样本进行计数的过程。与朴素贝叶斯分类器相似，AODE无需模型选择，既能通过预计算节省预测时间，也能采取懒惰学习方式在预计算时再进行计数，并且易于实现增量学习。
既然将属性条件独立性假设放松为独依赖假设可能获得泛化性能的提升，那么，能否通过考虑属性间的高阶依赖来进一步提升泛化性能呢？也就是说将前面开头的的独依赖假设 P ( c ∣ x ) ∝ P ( c ) ∏ i = 1 d P ( x i ∣ c , p a i ) P(c|x) \propto{P(c)}\prod^d_{i=1}P(x_i|c,pa_i) P(c∣x)∝P(c)∏i=1dP(xi∣c,pai) 中 p a i pa_i pai 替换为包含 k k k 个属性的集合，从而将 ODE拓展为 k k kDE。需注意的是，随着 k k k 的增加，准确估计概率 P ( x i ∣ y , p a i ) P(x_i|y,pa_i) P(xi∣y,pai) 所需的训练样本数量将以指数级增加。因此，若训练数据非常充分，泛化性能有可能提升；但在有限样本条件下，则又陷入估计高阶联合概率的泥沼。
属性值相互独立的条件成立时，朴素贝叶斯分类是比其他所有分类算法要精确的。然而在现实中，属性之间的依赖存在可能，于是各种属性之间就产生了错综复杂的关系网络，随后贝叶斯网就诞生了，它的背后还蕴含着图论的数学思想。
贝叶斯网(Bayesian network)也称“信念网”(belief network)，它是一种图形模型(概率理论和图论相结合的产物)，可用于描述随机变量之间的依赖关系，是一种将因果知识和概率知识相结合的信息表示框架。
网络中每一个节点表示一个随机变量，每一条边表示随机变量间的依赖关系，同时每个节点都对应一个条件概率表，用于描述该变量与父变量之间的依赖强度，也就是联合概率分布。
贝叶斯网络由网络结构和条件概率表两部分组成:
含有
K
K
K 个节点的贝叶斯网络，联合概率分布等于每个节点给定父节点的条件概率的乘积：
P
(
X
)
=
∑
i
=
1
K
P
(
x
i
∣
p
a
i
)
P(X)=\sum_{i=1}^KP(x_i|pa_i)
P(X)=i=1∑KP(xi∣pai)
因此，上图的贝叶斯网络联合概率分布为：
P
(
x
1
,
x
2
,
x
3
,
x
4
,
x
5
,
x
6
,
x
7
)
=
P
(
x
1
)
P
(
x
2
)
P
(
x
3
)
P
(
x
4
∣
x
1
,
x
2
,
x
3
)
P
(
x
5
∣
x
1
,
x
3
)
P
(
x
6
∣
x
4
)
P
(
x
7
∣
x
4
,
x
5
)
P(x_1,x_2,x_3,x_4,x_5,x_6,x_7)=P(x_1)P(x_2)P(x_3)P(x_4|x_1,x_2,x_3)P(x_5|x_1,x_3)P(x_6|x_4)P(x_7|x_4,x_5)
P(x1,x2,x3,x4,x5,x6,x7)=P(x1)P(x2)P(x3)P(x4∣x1,x2,x3)P(x5∣x1,x3)P(x6∣x4)P(x7∣x4,x5)
由此可见，贝叶斯网络可以表达属性的联合概率分布，并且使属性的联合概率求解过程大大简化。
通过贝叶斯网络中三个节点之间的典型依赖关系，可以划分3种基本结构形式：
（1）Tail-to-Tail——同父结构
特点： 给定父节点
c
c
c 的取值，则
a
a
a与
b
b
b 条件独立，反之不独立。
证明：
根据贝叶斯网联合概率分布公式：
P
(
a
,
b
,
c
)
=
P
(
c
)
P
(
a
∣
c
)
P
(
b
∣
c
)
P(a,b,c)=P(c)P(a|c)P(b|c)
P(a,b,c)=P(c)P(a∣c)P(b∣c)，则：
（2）Head-to-Head——顺序结构
特点： 给定节点
c
c
c 的值，则
a
a
a 与
b
b
b 条件独立， 反之不独立。
证明：
根据贝叶斯网联合概率分布公式：
P
(
a
,
b
,
c
)
=
P
(
a
)
P
(
c
∣
a
)
P
(
b
∣
c
)
=
P
(
c
)
P
(
a
∣
c
)
P
(
b
∣
c
)
P(a,b,c)=P(a)P(c|a)P(b|c)=P(c)P(a|c)P(b|c)
P(a,b,c)=P(a)P(c∣a)P(b∣c)=P(c)P(a∣c)P(b∣c)，则：
（3）Head-to-Head——V型结构(或 冲撞结构)
特点： 若节点
c
c
c 的值未知，则
a
a
a 与
b
b
b 相互独立， 反之不独立。（注意与前面两种相反）
证明：
根据贝叶斯网联合概率分布公式：
P
(
a
,
b
,
c
)
=
P
(
a
)
P
(
c
∣
a
)
P
(
b
∣
c
)
=
P
(
c
)
P
(
a
∣
c
)
P
(
b
∣
c
)
P(a,b,c)=P(a)P(c|a)P(b|c)=P(c)P(a|c)P(b|c)
P(a,b,c)=P(a)P(c∣a)P(b∣c)=P(c)P(a∣c)P(b∣c)，则：
从以上几种典型结构可以看出，在贝叶斯网络中，一个变量是否已知，对另外两个变量间的独立性有影响，这样的独立性称为“边际独立性”(marginal independence)，记为： a ⫫ b a⫫b a⫫b。
通常使用“有向分离”(D-Separation)方法来判断有向图变量间的条件独立性。具体步骤为：首先找出有向图中所有V型结构，在两个父节点之间加上一条无向边，并将所有有向边改为无向边，这样得到的无向图又被称为“道德图”(Moral Graph)。
给定不相交的节点集合 A A A、 B B B 和 C C C，如果在道德图中，将变量集合C去掉后， A A A 和 B B B 分别处于两个连通分量中，则称 A A A 和 B B B 被 C C C 有向分离， A A A 和 B B B 在 C C C 已知的条件下独立，记为: A ⊥ B ∣ C A\bot B|C A⊥B∣C
举例：
分别判断节点
a
a
a 和
d
d
d 在给定
e
e
e 或者
b
b
b 的条件下，是否独立？
有向无环图：
转换成道德图：
在给定
e
e
e 的条件下，去掉后可得如下图，节点
a
a
a 和
d
d
d 仍在同一个连通分量里，因此，给定
e
e
e 的值，
a
a
a 和
d
d
d 不条件独立。
在给定
b
b
b 的条件下，去掉后可得如下图，节点
a
a
a 和
d
d
d 将分别处于两个连通分量里，因此，给定
e
e
e 的值，
a
a
a 和
d
d
d 条件独立，记为
a
⊥
d
∣
b
a\bot d|b
a⊥d∣b。
若网络结构已知，即属性间的依赖关系已知，则贝叶斯网的学习过程相对简单，只需通过对训练样本“计数”，估计出每个节点的条件概率表即可。但在现实应用中，我们往往并不知道网络结构，于是，贝叶斯网学习的首要任务就是根据训练数据集来找出结构最“恰当”的贝叶斯网。“评分搜索”是求解这一问题的常用办法。具体来说，我们先定义一个评分函数(score function)，以此来评估贝叶斯网与训练数据的契合程度，然后基于这个评分函数来寻找结构最优的贝叶斯网。显然，评分函数引入了关于我们希望获得什么样的贝叶斯网的归纳偏好。
常用评分函数通常基于信息论准则，此类准则将学习问题看做一个数据压缩任务，学习的目的是找一个能以最短编码长度描述训练数据的模型，此时编码长度包括了描述模型自身所需编码位数和使用该模型描述数据所需的编码位数。对贝叶斯网而言，模型就是一个贝叶斯网，同时，每个贝叶斯网描述了一个在训练数据上的概率分布，自有一套编码机制能使那些经常出现的样本有更短的编码。于是，我们应该选择那个综合编码长度（包括描述网络和编码数据）最短的贝叶斯网，这就是“最小描述长度”(Minimal Description Length，简称MDL)准则。
贝叶斯网训练好之后就能用来回答“查询”(query)，即通过一些属性变量的观测值来推测其他属性变量的取值。例如在西瓜问题中，我们观测到西瓜色泽青绿、敲声浊响、根蒂蜷缩，想知道它是否成熟、甜度如何。这样通过已知变量观测值来推测待查询变量的过程称为“推断”(inference)，已知变量观测值称为“证据”(evidence)。
最理想的是直接根据贝叶斯网定义的联合概率分布来精确计算后验概率，不幸的是，这样的“精确推断”已被证明是NP难的；换言之，当网络节点较多、连接稠密时，难以进行精确推断，此时需借助“近似推断”，通过降低精度要求，在有限时间内求得近似解。在现实应用中，贝叶斯网的近似推断常使用吉布斯采样(Gibbs sampling)来完成，这是一种随机采样方法。
贝叶斯网络经过长期的发展，现已被应用到人工智能的众多领域，包括模式识别、数据挖掘、自然语言处理等，针对很多领域核心的分类问题，大量卓有成效的算法都是基于贝叶斯理论设计。
贝叶斯网络在医疗领域被应用于疾病诊断；在工业领域中，用于对工业设备故障检测和性能分析；在军事上被应用于身份识别等各种推理；在生物农业领域，贝叶斯网络在基因连锁分析、农作物推断、兽医诊断、环境分析等都有应用，在金融领域可以用于构建风控模型，在企业管理中可用于决策支持，在自然语言处理方面，可用于文本分类、中文分词、机器翻译等，下面以实际案例介绍如何应用贝叶斯网络理论解决现实问题。
中文分词是将语句切分为合乎语法和语义的词语序列。一个经典的中文分词例句是“南京市长江大桥”，正确的分词是“南京市/长江大桥”，错误的分词结果是“南京市长/江大桥”。可以使用贝叶斯算法来解决这一问题。
设完整的一句话为
X
X
X，则
Y
Y
Y 为组成该句话的词语集合，共有
n
n
n 个词语。分词问题可以转化为求下列式子最大值的问题：
P
(
Y
∣
X
)
=
P
(
Y
)
P
(
X
∣
Y
)
P
(
X
)
P(Y|X)=\frac{P(Y)P(X|Y)}{P(X)}
P(Y∣X)=P(X)P(Y)P(X∣Y)
只需找到
P
(
Y
)
P
(
X
∣
Y
)
{P(Y)P(X|Y)}
P(Y)P(X∣Y) 的最大值。由于在任意的分词情况下，都可以由词语序列生成句子，所以可以忽略
P
(
X
∣
Y
)
P(X|Y)
P(X∣Y)，只需找到
P
(
Y
)
P(Y)
P(Y) 的最大值即可。按照联合概率公式对
P
(
Y
)
P(Y)
P(Y) 进行展开，有：
P
(
Y
)
=
P
(
Y
1
,
Y
2
,
Y
3
,
.
.
.
,
Y
N
)
=
P
(
Y
1
)
P
(
Y
2
∣
Y
1
)
P
(
Y
3
∣
Y
1
,
Y
2
)
.
.
.
P
(
Y
n
∣
Y
1
,
Y
2
,
.
.
.
Y
n
−
1
)
P(Y)=P(Y_1,Y_2,Y_3,...,Y_N)=P(Y_1)P(Y_2|Y_1)P(Y_3|Y_1,Y_2)...P(Y_n|Y_1,Y_2,...Y_{n-1})
P(Y)=P(Y1,Y2,Y3,...,YN)=P(Y1)P(Y2∣Y1)P(Y3∣Y1,Y2)...P(Yn∣Y1,Y2,...Yn−1)
这样的展开式是指数级增长的，并且数据稀疏的问题也会越来越明显，所以假设每个词语只会依赖于词语序列中该词前面出现的
k
k
k 个词语，即
k
k
k 元语言模型(k-gram)。这里假设
k
=
2
k=2
k=2，于是就有：
P
(
Y
)
=
P
(
Y
1
)
P
(
Y
2
∣
Y
1
)
P
(
Y
3
∣
Y
2
)
.
.
.
P
(
Y
n
∣
Y
n
−
1
)
P(Y)=P(Y_1)P(Y_2|Y1)P(Y_3|Y_2)...P(Y_n|Y_{n-1})
P(Y)=P(Y1)P(Y2∣Y1)P(Y3∣Y2)...P(Yn∣Yn−1)
回到上面的问题，正常的语料库中，“南京市长”与“江大桥”同时出现的概率一般为0，所以这一分词方式会被舍弃，而“南京市/长江大桥”的分词方式会是最终的分词结果。
基于统计的方法是机器翻译常用的实现。统计机器翻译问题可以描述为，给定某种源语言的句子
X
X
X，其可能的目标语言翻译出的句子
Y
Y
Y，
P
(
X
∣
Y
)
P(X|Y)
P(X∣Y) 代表该种翻译句子符合人类翻译的程度，所以即找到
P
(
X
∣
Y
)
P(X|Y)
P(X∣Y) 最大的
Y
Y
Y 即可。根据贝叶斯共识，有:
P
(
Y
∣
X
)
=
P
(
Y
)
P
(
X
∣
Y
)
P
(
X
)
P(Y|X)=\frac{P(Y)P(X|Y)}{P(X)}
P(Y∣X)=P(X)P(Y)P(X∣Y)
所以需要找到使
P
(
Y
)
P
(
X
∣
Y
)
{P(Y)P(X|Y)}
P(Y)P(X∣Y) 最大的
Y
Y
Y。对于
P
(
Y
)
P(Y)
P(Y)，在中文分词案例中知道可以利用
k
k
k 元语言模型(k-gram)计算。对于
P
(
X
∣
Y
)
P(X|Y)
P(X∣Y) ，通常利用一个分词对齐的平行语料库，具体言之，将英文"you and me"翻译为汉语，最佳的对应模式为“你和我”，此时有：
P
(
X
∣
Y
)
=
P
(
y
o
u
∣
你
)
P
(
a
n
d
∣
和
)
P
(
m
e
∣
我
)
P(X|Y)=P(you|你)P(and|和)P(me|我)
P(X∣Y)=P(you∣你)P(and∣和)P(me∣我)
上式中右边各项都可以很容易地计算出，所以可以通过分词对齐的方法计算出
P
(
X
∣
Y
)
P(X|Y)
P(X∣Y) 的值，最终找到使得
P
(
X
∣
Y
)
P(X|Y)
P(X∣Y) 最大的
Y
Y
Y，便是
X
X
X 最佳的翻译方式。
故障检测是为了找到某种设备出现故障的部件，在工业领域，自动的故障诊断装置能节省一线工作人员大量的预判断时间。基于规则的系统可以被用于故障诊断，但是不能处理不确定性问题，在实际环境中难以灵活应用。贝叶斯网能较好地描述可能的故障来源，在处理故障诊断的不确定问题上有不凡的表现。研究人员开发出了多种基于贝叶斯网络的故障诊断系统，包括对汽车启动故障的诊断、飞机的故障诊断、核电厂软硬件的故障诊断等。如下图显示了汽车发动机系统的网络结构：
该系统用于诊断汽车无法正常启动的原因，可见原因有多种，所以可以利用前文提到的诊断推理的方法，找到后验概率最大的故障原因。
疾病诊断是从一系列历史经验和临床检验结果中对病人患有疾病种类和患病程度的判断。机器学习在疾病诊断领域有较多的应用，在20世纪70年代就有基于规则设计的产生式专家系统用于疾病的诊断，但是该类型系统不能处理不确定性，因此基于贝叶斯网络设计了新的疾病诊断系统。
贝叶斯网络推理实例：
分析下图的贝叶斯网络对是否是肺病给出诊断。下面给出在几种不同情况下的诊断推理过程。假设每个变量都是二元的，分别取“T”和“F”表示“是”和“否”。
每个节点的条件概率表如下：
吸烟概率：
肺病概率：
呼吸急促概率：
胸痛概率：
咳嗽概率：
感冒概率：
发烧概率：
（1）计算得肺病的先验概率
P
(
肺
病
=
T
)
=
∑
吸
烟
P
(
肺
病
=
T
∣
吸
烟
)
P
(
吸
烟
)
=
0.2
×
0.1009
+
0.8
×
0.001
=
0.02098
P
(
肺
病
=
F
)
=
1
−
0.02098
=
0.97902
\begin{aligned} &P(肺病=T)=\sum_{吸烟}P(肺病=T|吸烟)P(吸烟)=0.2\times 0.1009+0.8\times 0.001=0.02098 \\ &P(肺病=F)=1-0.02098=0.97902 \end{aligned}
P(肺病=T)=吸烟∑P(肺病=T∣吸烟)P(吸烟)=0.2×0.1009+0.8×0.001=0.02098P(肺病=F)=1−0.02098=0.97902
（2）出现呼吸急促症状时，患肺病的概率
P
(
呼
吸
急
促
=
T
)
=
∑
肺
病
P
(
呼
吸
急
促
=
T
∣
肺
病
)
P
(
肺
病
)
=
0.02908
×
0.208
+
0.97902
×
0.01
≈
0.0142
P
(
呼
吸
急
促
=
F
)
=
1
−
0.0142
=
0.9858
P
(
肺
病
=
T
∣
呼
吸
急
促
=
T
)
=
P
(
呼
吸
急
促
=
T
∣
肺
病
=
T
)
P
(
肺
病
=
T
)
P
(
呼
吸
急
促
=
T
)
=
0.208
×
0.02098
0.0142
=
0.3083
\begin{aligned} &P(呼吸急促=T)=\sum_{肺病}P(呼吸急促=T|肺病)P(肺病)=0.02908\times 0.208+0.97902\times 0.01\approx0.0142 \\ &P(呼吸急促=F)=1-0.0142=0.9858 \\ &P(肺病=T|呼吸急促=T)=\frac{P(呼吸急促=T|肺病=T)P(肺病=T)}{P(呼吸急促=T)}=\frac{0.208\times 0.02098}{0.0142}=0.3083 \end{aligned}
P(呼吸急促=T)=肺病∑P(呼吸急促=T∣肺病)P(肺病)=0.02908×0.208+0.97902×0.01≈0.0142P(呼吸急促=F)=1−0.0142=0.9858P(肺病=T∣呼吸急促=T)=P(呼吸急促=T)P(呼吸急促=T∣肺病=T)P(肺病=T)=0.01420.208×0.02098=0.3083
可以看出，当病人出现了呼吸急促现象时，患肺病的概率大大提高了。
（3）当病人咳嗽时，患有肺病的概率
P
(
咳
嗽
=
T
)
=
∑
肺
病
,
感
冒
P
(
咳
嗽
=
T
∣
肺
病
,
感
冒
)
P
(
肺
病
)
P
(
感
冒
)
=
0.7527
×
0.02098
×
0.02
+
0.505
×
0.02098
×
0.98
+
0.505
×
0.97902
×
0.02
+
0.01
×
0.97902
×
0.98
=
0.0302
P
(
咳
嗽
=
T
∣
肺
病
=
T
)
=
∑
感
冒
P
(
咳
嗽
=
T
∣
感
冒
,
肺
病
=
T
)
P
(
感
冒
)
=
0.7525
×
0.02
+
0.505
×
0.98
=
0.50995
P
(
肺
病
=
T
∣
咳
嗽
=
T
)
=
P
(
咳
嗽
=
T
∣
肺
病
=
T
)
P
(
肺
病
=
T
)
P
(
咳
嗽
=
T
)
=
0.50995
×
0.02098
0.0302
=
0.3543
\begin{aligned} &P(咳嗽=T)=\sum_{肺病,感冒}P(咳嗽=T|肺病,感冒)P(肺病)P(感冒)=0.7527\times0.02098\times 0.02+0.505\times 0.02098\times 0.98+0.505\times 0.97902\times 0.02+0.01\times 0.97902\times 0.98=0.0302 \\ &P(咳嗽=T|肺病=T)=\sum_{感冒}P(咳嗽=T|感冒,肺病=T)P(感冒)=0.7525\times0.02+0.505\times0.98=0.50995 \\ &P(肺病=T|咳嗽=T)=\frac{P(咳嗽=T|肺病=T)P(肺病=T)}{P(咳嗽=T)}=\frac{0.50995\times0.02098}{0.0302}=0.3543 \end{aligned}
P(咳嗽=T)=肺病,感冒∑P(咳嗽=T∣肺病,感冒)P(肺病)P(感冒)=0.7527×0.02098×0.02+0.505×0.02098×0.98+0.505×0.97902×0.02+0.01×0.97902×0.98=0.0302P(咳嗽=T∣肺病=T)=感冒∑P(咳嗽=T∣感冒,肺病=T)P(感冒)=0.7525×0.02+0.505×0.98=0.50995P(肺病=T∣咳嗽=T)=P(咳嗽=T)P(咳嗽=T∣肺病=T)P(肺病=T)=0.03020.50995×0.02098=0.3543
Python代码示例：
from pgmpy.models import BayesianModel
from pgmpy.factors.discrete import TabularCPD
from pgmpy.inference import VariableElimination
# 通过边来定义贝叶斯模型
# 变量说明：
# 'SK':'吸烟';'LD':'肺病';'ST':'呼吸急促';'CP':'胸痛';'CG':'咳嗽';'CD':'感冒';'FE':'发烧'
# 定义贝叶斯网络模型，给出节点间关系
model = BayesianModel([('SK','LD'), ('LD','ST'), ('LD','CP'), ('LD','CG'), ('CD','CG'), ('CD','FE')])
# 定义条件概率分布 CPD：
# variable：变量
# variable_card：基数
# values：变量值
# evidence：父节点
cpd_SK = TabularCPD(variable='SK', variable_card=2, values=[[0.8], [0.2]])
cpd_LD = TabularCPD(variable='LD', variable_card=2, values=[[0.999, 0.8991], [0.001, 0.1009]], evidence=['SK'], evidence_card=[2])
cpd_ST = TabularCPD(variable='ST', variable_card=2, values=[[0.99, 0.792], [0.01, 0.208]], evidence=['LD'], evidence_card=[2])
cpd_CP = TabularCPD(variable='CP', variable_card=2, values=[[0.99, 0.792], [0.01, 0.208]], evidence=['LD'], evidence_card=[2])
cpd_CG = TabularCPD(variable='CG', variable_card=2, values=[[0.99, 0.495, 0.495, 0.2475], [0.01, 0.505, 0.505, 0.7525]], evidence=['LD', 'CD'], evidence_card=[2, 2])
cpd_CD = TabularCPD(variable='CD', variable_card=2, values=[[0.98], [0.02]])
cpd_FE = TabularCPD(variable='FE', variable_card=2, values=[[0.99, 0.693], [0.01, 0.307]], evidence=['CD'], evidence_card=[2])
# 将有向无环图与条件概率分布表关联
model.add_cpds(cpd_SK, cpd_LD, cpd_ST, cpd_CP, cpd_CG, cpd_CD, cpd_FE)
# 验证模型：检查网络结构和CPD，并验证CPD是否正确定义以及总和是否为1
print(model.check_model()) # 布尔型 True/False
# print(model.get_cpds('SK'))
infer = VariableElimination(model)
print(u"P(肺病):")
print(infer.query(['LD']))
print(u"P(呼吸急促):")
print(infer.query(['ST']))
print(u"P(肺病|呼吸急促):")
print(infer.query(['LD'], evidence={'ST':1}))
print(u"P(咳嗽):")
print(infer.query(['CG']))
print(u"P(咳嗽|肺病=T):")
print(infer.query(['CG'], evidence={'LD':1}))
print(u"P(肺病|咳嗽=1):")
print(infer.query(['LD'], evidence={'CG':1}))
结果：
看到最后了，有任何问题都可以留言哟，如果觉得本篇文章对学习有帮助的话，可以一键三连哟！Thanks♪(･ω･)ﾉ
博客：
贝叶斯网络Python实战
Sklearn参数详解—贝叶斯
书籍：
《西瓜书》- 周志华 等
课程：
极客时间 - 数据分析实战45讲