本系列文章由云端暮雪编辑，转载请注明出处

http://blog.csdn.net/lyunduanmuxue/article/details/20068781

多谢合作！

今天介绍一种简单高效的分类器——朴素贝叶斯分类器（Naive Bayes Classifier）。

相信学过概率论的同学对贝叶斯这个名字应该不会感到陌生，因为在概率论中有一条重要的公式，就是以贝叶斯命名的，这就是“贝叶斯公式”：

贝叶斯分类器就是基于这条公式发展起来的，之所以这里还加上了朴素二字，是因为该分类器对各类的分布做了一个假设，即不同类的数据样本之间是相互独立的。这样的假设是非常强的，但并不影响朴素贝叶斯分类器的适用性。1997年，微软研究院的 Domingos 和 Pazzani 通过实验证明，即使在其前提假设不成立的情况下，该分类器依然表现出良好的性能。对这一现象的一个解释是，该分类器需要训练的参数比较少，所以能够很好的避免发生过拟合（overfitting）。

模式识别（七）：MATLAB实现朴素贝叶斯分类器