1. 朴素贝叶斯分类器    朴素贝叶斯分类是一种十分简单的分类算法，朴素贝叶斯根据给定的特征向量（若干个特征写成一行），求解在所以特征值都出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。用公式表示为y=c表示类别为c，粗体x表示一个特征向量，D是指当前数据集，因为学习是在某数据集的条件下。    可以看出，求某个类别在某些条件下出现的概率，使用的是贝叶斯公式，第一章已经提到。并且，公式的分母其实都一样，所以公式的左端正比于公式的右端分子，即每次只计算分子，哪个类别的分子大，就预测为哪个类别。从分子我们可以看出，大体上需要计算两个东西，一个是在某个类别时特征向量X出现的...