经典分类模型朴素贝叶斯解读 | NLP专栏

贝叶斯分类器在早期的自然语言处理任务中有着较多实际的应用，例如大部分的垃圾邮件处理都是用的贝叶斯分类器。贝叶斯分类器的理论对于理解后续的NLP模型有很大的进益，感兴趣的小伙伴一定要好好看看，本文会详细的讲述贝叶斯分类器的原理。

贝叶斯决策论

贝叶斯决策论是在统计概率框架下进行分类决策的基本方法。对于分类任务来说，在所有相关概率都已知的情况下，贝叶斯决策论考虑如何基于这些概率和误判损失来预测分类。

假设在一个分类任务中，有N种可能的分类，y={c1,c2,c3,…,cN}。我们会这样定义将一个样本预测为ci的期望损失，又叫“条件风险”：

那么学习的任务是什么呢？

学习任务是寻找一个判定准则，利用该判定准则（分类器）进行分类预测，能够最小化条件风险：