目录：

OOOO可能遇到的问题

朴素贝叶斯定理

OOOO可能遇到的问题

1、????要说逻辑回归，我们得追溯到线性回归，想必大家对线性回归都有一定的了解，即对于OO空间中存在的样本点，我们用特征的线性组合去拟合空间中点的分布和轨迹。如下图所示：

2、????线性回归能对连续值结果进行预测，而现实生活中常见的另外一类问题是，分类问题。最简单的情况是是与否的二分类问题。比如说医生需要判断病人是否生病，银行要判断一个人的信用程度是否达到可以给他发OOO的程度，邮件收件箱要自动对邮件分类为正常邮件和垃圾邮件等等。

3、????当然，我们最直接的想法是，既然能够用线性回归预测出连续值结果，那根据结果设定一个阈值是不是就可以解决这个问题了呢？事实是，对于很标准的情况，确实可以的，这里我们套用Andrew Ng老师的课件中的例子，下图中X为数据点肿瘤的大小，Y为观测结果是否是恶性肿瘤。通过构建线性回归模型，如hθ(x)所示，构建线性回归模型后，我们设定一个阈值0.5，预测hθ(x)≥0.5的这些点为恶性肿瘤，而hθ(x)<0.5为良性肿瘤。

4、????你看，现在你再设定0.5，这个判定阈值就失效了，而现实生活的分类问题的数据，会比例子中这个更为复杂，而这个时候我们借助于线性回归+阈值的方式，已经很难完成一个鲁棒性很好的分类器了。

朴素贝叶斯定理

1、摘要 近年来，随着信息存储技术和通信技术的迅猛发展，大量的文字信息开始以计算机可读的形式存在，并且其数量每日剧增。这些文字包罗万象，用户往往只需要其中的一部分，如果通过人工的手段对这些庞大的原始文档集进行组织和整理，不仅费时费力，效果也未必理想；相较之下，如果能使用计算机直接对文档信息进行过滤、分类，提交给用户他真正感兴趣的部分，就能把用户从繁杂的文档处理工作中解放出来，从而大大提高了信息的利用率。

2、朴素贝叶斯算法是一种简单，有效的文本分类算法，有着广泛的应用。本文针对朴素贝叶斯算法进行研究，该算法的基本思路是，先将训练文本集中的所有文本进行分词预处理，并将预处理后得到的特征向量集储存起来