最优贝叶斯分类器：

也就是对每个样本,选择能使后验概率最大的类别标记

目标：求

判别式模型

将误判损失写为:

得到

任务：找到一个判定准则h:以最小化总体风险

此时条件风险变成

条件风险

生成式模型

属性独立性假设

朴素贝叶斯分类器

得到参数的极大似然估计

极大似然估计

对数似然

万一有某个属性值没有与1某个类同时出现过咋办？ 连乘导致的属性抹去问题

拉普拉斯修正

贝叶斯判定准则: