使用朴素贝叶斯进行个人信用风险评估
朴素贝叶斯 朴素贝叶斯方法是基于贝叶斯定理的一组有监督学习算法，即“简单”地假设每对特征之间相互独立。 给定一个类别yyy和一个从x1x_1x1到xnx_nxn的相关的特征向量，贝叶斯定理阐述了一下关系： P(y∣x1,…,xn)=P(y)P(x1,…,xn∣y)P(x1,…,xn)P(y \mid x_1, \dots, x_n) = \frac{P(y) P(x_1, \dots, x_n \mid y)}{P(x_1, \dots, x_n)} P(y∣x1,…,xn)=P(x1,…,xn)P(y)P(x1,…,xn∣y) 使用简单(naive)的假设-每对特征之间都相互独立: P(xi∣y,x1,…,xi−1,xi+1,…,xn)=P(xi∣y)P(x_i | y, x_1, \dots, x_{i-1}, x_{i+1}, \dots, x_n) = P(x_i | y) P(xi∣y,x1,…,xi−1,xi+1,…,xn)=P(xi∣y) 对于所有的iii都成立，这个关系式可以简化为: P(y∣x1,…,xn)=P(y)∏i=1nP...
