1、分类
⾼、富、帅、⽩、富、美-->俊男|靓⼥
2、朴素⻉叶斯分类
3、拉普拉斯平滑
对于某个数据集，我们考虑到对于某个特征X在训练集中没有出现，那么将会导致整个分类概率变为0，这将会导致分类变得⾮常不合理，所以为了解决零概率的问题，法国数学家拉普拉斯最早提出⽤加1的⽅法估计没有出现过的现象的概率，所以加法平滑也叫做拉普拉斯平滑。假定训练样本很⼤时，每个分量x的计数加1造成的估计概率变化可以忽略不计，但可以⽅便有效的避免零概率问题。
应⽤举例：
假设在⽂本分类中，有3个类，C1、C2、C3，在指定的1000个训练样本中，某个词语K1，在各个类中观测计数分别为0，990，10，K1的概率为0，0.99，0.01。对这三个量使⽤拉普拉斯平滑的计算⽅法如下：
4、举个例⼦
特征
⽠蒂：脱落｜未脱落
形状：尖形｜圆形
颜⾊：深绿｜浅绿｜⻘⾊
类别
类别：⽠熟｜⽠⽣
现在有⼀⻄⽠（脱落｜圆形｜⻘⾊）
4.1 对于熟⽠
4.2 对于⽣⽠
