贝叶斯模型： 在给定数据的情况下，选择最有可能的假设。
通过学习在任意类别下(x,y)的分布情况，通过先验概率p(c)（即处于该类的概率）来判断P(c|x,y)。
最难的地方：先验概率未知。
在通常的判定学习方法当中，类别的先验概率式不需要知道的。
但是当先验概率已知的时候，贝叶斯式可行的。并且通常可以采用共轭分布来计算。
朴素贝叶斯：每个观测都是独立的
贝叶斯模型： 在给定数据的情况下，选择最有可能的假设。
通过学习在任意类别下(x,y)的分布情况，通过先验概率p(c)（即处于该类的概率）来判断P(c|x,y)。
最难的地方：先验概率未知。
在通常的判定学习方法当中，类别的先验概率式不需要知道的。
但是当先验概率已知的时候，贝叶斯式可行的。并且通常可以采用共轭分布来计算。
朴素贝叶斯：每个观测都是独立的