监督方法之朴素贝叶斯法
本周培养我的慈悲心，悲心是指共情的能力，别人悲伤时你也能感受到那种难过；慈心是指真心希望别人好。我的感受是爱有时候并不是一定需要你做些什么，真诚地信任对方，给予充分的鼓励支持，相信对方自己可以做到，真心希望别人好。也感受到爱的范围可以很广，不是一定局限于朋友，家人等，也可以是环境，甚至整个宇宙。因为很多人在追寻自己优缺点的源头会追溯到原生家庭，觉得家庭不是很完美，但是完美的家庭是很少很少的，两代甚至三代的观念不一样，不好融合是很正常的，可能有些人就觉得缺少了爱的滋养，但是当我们走在公园，宇宙也是无条件爱我们的，给我们阳光，空气，水分的滋养，不求回报。
进入正题
朴素贝叶斯法
朴素贝叶斯方法（naïveBayes）也是一个多分类器。输入一个实例，告诉你属于哪一类（可以是不止一类）。这个方法基于的数学原理是概率论中的贝叶斯定理。简单来说在已知A条件下B发生的概念与已知B条件下A发生的概念通常不一样但是是有关联的，这个很有意思：
这样的话，给我们训练数据不就是可以算出来在已知分类情况下输入实例的概念，而我们要求的就是在已知输入的情况下求输出求分类情况，发现没，正好对应这两个概率。那么损失函数还是可以取让正确分类个数取最大，错误分类取最小的情况。此外，这里用到一个很重要的假设—特征条件独立，也就是说如果分类有几个特征，假设它们是相互独立的，不然计算起来会很麻烦，如果是相互独立的，计算概念时直接相乘就可以。
具体步骤：首先对于给定的训练数据，基于特征条件独立给出输入输出的联合概念分布；然后基于这个模型，输入一个实例，就可以用贝叶斯定理求出后验概率最大（损失函数最小）的分类。
特点：高效且易于实现，但是分类的性能不一定很高（取决于特征条件独立成立情况）