Add. Summarization

机器学习算法理论及应用/李航——统计学习方法/4.朴素贝叶斯.md

@@ -91,3 +91,33 @@ Mathematical understanding
 
 ![1618497157923](assets/1618497157923.png)
 
+
+
+### 举个例子
+
+Example
+
+试由下表的训练数据学习一个朴素贝叶斯分类器，并确定x=(2,S)T的类标签记y。表中X(1)，X(2)为特征，取值的集合分别为A1={1,2,3}，A2={S,M,L}，Y为类标记，Y∈C = {1,-1}。
+
+![1618499911394](assets/1618499911394.png)
+
+对于给定的![1618499933265](assets/1618499933265.png)计算：
+
+![1618499978692](assets/1618499978692.png)
+
+![1618499987375](assets/1618499987375.png)
+
+![1618499996865](assets/1618499996865.png)
+
+
+
+### 总结
+
+Summarization
+
+1. 条件概率公式：![1618500113195](assets/1618500113195.png)，表示在已发生事件B的情况下，事件A发生的概率。
+2. 使用条件概率公式逐步导出最后参数估计的步骤需牢记。
+3. 后续会遇到很多类似的推导过程，一般都是先各种替换变复杂最后简化。
+
+另，公式存在一点点问题，如公式的分母可能为0。
+