朴素贝叶斯算法如何理解？
朴素贝叶斯算法是一个生成式的一个算法
我们的目的就是分类判断当前的实例x是那个类别的,但是生成式是这样的p(Ck/x)
在实际问题中我们通常知道p(Ck)这个叫做先验概率。我们也会知道p(x/ck)中的个数，这种条件概率
那怎么求 p(Ck/x)呢？首先是将条件概率分布转换成p(Ck,x)全分布/p(x)
再将全分布转换成逆条件概率p(Ck)p(x/Ck) ，之后，在将p(x/Ck)展开成独立分布p(x1*x2*x3...xn/Ck)
然后将p(x)转换成全概率公式p(x)===sum(p(x/ck)p(ck))
最后只要求出p(Ck/x)的最大值，只要求出k即可。怎么求，极大似然估计法。
2.在使用极大似然估计法，可能会求出概率为0的问题。怎么办，可以对进行拉普拉斯平滑，这样就可以不会出现概率为0的情况
