BC

Bayes Classifier，贝叶斯分类器。

使用贝叶斯定理。另遵循朴素贝叶斯的独立同分布假设（条件独立），联合似然概率可分解为各特征条件概率的乘积。

过程

$$p(类别|特征)=\frac{p(特征|类别)p(类别)}{p(特征)}$$

目的求左式，左式为后验概率。p(类别)为先验，p(特征|类别)为似然。

训练过程：

1. 估计先验概率：方法为统计训练集中各类别的数量
2. 估计条件概率（似然）：在离散情况下，就是各类别中， 统计特征出现的频率

预测过程：

1. 给出新样本，计算后验概率 P(Y|X)
2. 选择最大的后验作为预测结果