机器学习算法：朴素贝叶斯
分类。多类分类。
1 朴素贝叶斯法的学习与分类
1.1 基本方法
1.2 后验概率最大化的含义
后验概率最大等价于0-1损失函数时的期望风险最小化。
2 朴素贝叶斯法的参数估计
2.1 极大似然估计+2.2学习与分类算法
2.3 贝叶斯估计
优点：在数据较少的情况下仍然有效，可以处理多类别问题。
缺点：对于输入数据的准备方式较为敏感。
适用数据类型：标称型数据。
常用场景：文档分类、电子邮件垃圾过滤
参考文献：
【1】统计学习方法，李航
【2】机器学习，周志华