前知识了解：

• 贝叶斯决策论是概率框架下实施决策的基本方法。

• 贝叶斯定理：
  
  贝叶斯定理是由果溯因的思想，当知道某件事情的结果后，由结果推断出这件事是由各种原因导致的概率为多少。
• 极大似然估计：
  

朴素贝叶斯分类器：

画重点：啥为”朴素”？（基于“属性条件独立性假设”：对已知类别，假设所有属性相互独立，换言之，假设每个属性独立地对分类结果发生影响。这是对朴素的定义）

基于朴素可以分别重新定义贝叶斯定理和贝叶斯判定准则，如下：

• 重新定义贝叶斯定理：
  
  

• 重新定义贝叶斯判定准则：
  
  

• 求解朴素贝叶斯分类器：
  
  结合下面例子求解过程：
  

（注本章节主要出自周志华《机器学习》，对于朴素贝叶斯分类器该书已经分析的很透彻，很合适看好几遍慢慢理解！这里只是对自己理解进行简单梳理。）