應用貝葉斯網(wǎng)絡分類器進行分類主要分成兩階段。第一階段是貝葉斯網(wǎng)絡分類器的學習，即從樣本數(shù)據(jù)中構造分類器，包括結構學習和CPT 學習；第二階段是貝葉斯網(wǎng)絡分類器的推理，即計算類結點的條件概率，對分類數(shù)據(jù)進行分類。這兩個階段的時間復雜性均取決于特征值間的依賴程度，甚至可以是NP 完全問題，因而在實際應用中，往往需要對貝葉斯網(wǎng)絡分類器進行簡化。根據(jù)對特征值間不同關聯(lián)程度的假設，可以得出各種貝葉斯分類器，Naive Bayes、TAN、BAN、GBN 就是其中較典型、研究較深入的貝葉斯分類器。

　　貝葉斯分類器的分類原理是通過某對象的先驗概率，利用貝葉斯公式計算出其后驗概率，即該對象屬于某一類的概率，選擇具有最大后驗概率的類作為該對象所屬的類。也就是說，貝葉斯分類器是最小錯誤率意義上的優(yōu)化。目前研究較多的貝葉斯分類器主要有四種，分別是：Naive Bayes、TAN、BAN和GBN。

　　貝葉斯分類器

　　貝葉斯分類器的分類原理是通過某對象的先驗概率，利用貝葉斯公式計算出其后驗概率，即該對象屬于某一類的概率，選擇具有最大后驗概率的類作為該對象所屬的類。也就是說，貝葉斯分類器是最小錯誤率意義上的優(yōu)化。目前研究較多的貝葉斯分類器主要有四種，分別是：Naive Bayes、TAN、BAN和GBN。

　　訓練

　　和所有監(jiān)督算法一樣，貝葉斯分類器是利用樣本進行訓練的，每個樣本包含了一個特征列表和對應的分類。假定我們要對一個分類器進行訓練，使其能夠正確的判斷出：一個包含“python”的文檔究竟是編程語言的，還是關于蛇的。

　　分類器記錄了它迄今為止見過的所有特征，以及這些特征與某個特定分類相關的數(shù)字概率。分類器逐一接受樣本的訓練。 當經(jīng)過某個樣本的訓練之后，分類器會更新該樣本中特征與分類的概率，同時還會生成一個新的概率，即：在一篇屬于某個分類的文檔中，含有指定單詞的概率。例如

　　從上表中我們可以看到，經(jīng)過訓練之后，特征與各種分類的關聯(lián)性更加明確了。單詞“constrictor”屬于蛇的分類概率更大，而單詞“dynamic”屬于編程語言的概率更大。

　　另一方便，有些特征的所屬分類則沒有那么明確。比如：單詞“and”出現(xiàn)在兩個分類中的概率是差不多的（單詞and幾乎會出現(xiàn)在每一篇文檔中，不管它屬于哪一個分類。）分類器在經(jīng)過訓練之后。只會保留一個附有相應概率的特征列表，與某些其他的分類方法不同，此處的原始數(shù)據(jù)在訓練之后，就沒有必要再加以保存了。

　　分類

　　當一個貝葉斯分類器經(jīng)過訓練之后，我們就可以利用它來對新的項目進行自動分類了。假定我們有一篇新的文檔，包含了“l(fā)ong” “dynamic” 和 “source”。

　　樸素貝葉斯分類器是通過下面的公式將概率組合起來的： P（ Category | Document） = P （ Document | Category ） * P（ Category） / P（Document）

　　此處：

　　P（ Document | Category） = P （Word1 | Category ） * P（ Word2） / P（Category ）

　　p（ Document | Category） 的取值來自于上表，比如 P（ dynamic | language） = 0.6

　　p（Category） 的取值則等于某個分類出現(xiàn)的總體概率，因為“ language ” 有一般的機會都會出現(xiàn)，所以 P（language ） 的值為0.5 。無論是哪個分類，只要其P（ Category | Document） 的值相對較高，它就是我們預期的分類。

　　我們需要一個定義一個特征提取函數(shù)，該函數(shù)的作用是將我們用以訓練或分類的數(shù)據(jù)轉化成一個特征列表。

　　docclass.getwords（‘python is a dynamic language’） {‘python’：1，‘dymaic’：1，‘language’：1}

　　上述函數(shù)可用于創(chuàng)建一個新的分類器，針對字符串進行訓練： cl = docclass.nativebayes（docclass.getwords）cl.setdb（‘test.db’） cl.train（‘pythons are constrictors’，‘snake’） cl.train（‘python has dynamic types’，‘language’）cl.train（‘python was developed as a scripting language’，‘language’）

　　然后進行分類 cl.classify（‘dynamic programming’） u‘language’ cl.classify（‘boa constrictors’） u‘snake’

　　對于允許使用的分類數(shù)量，此處并沒有任何的限制，但是為了使分類器有一個良好的表現(xiàn)，我們需要為每個分類提供大量的樣本。

　　貝葉斯分類器優(yōu)點和缺點

　　樸素貝葉斯分類器與其他方法相比最大的優(yōu)勢或許就在于，它在接受大數(shù)據(jù)量訓練和查詢時所具備的的高速度。即使選用超大規(guī)模的訓練集，針對每個項目通常也只會有相對較少的特征數(shù)，并且對項目的訓練和分類頁僅僅是針對特征概率的數(shù)學運算而已。

　　尤其當訓練量逐漸遞增時則更加如此--在不借助任何舊有訓練數(shù)據(jù)的前提下，每一組新的訓練數(shù)據(jù)都有可能會引起概率值變化。對于一個如垃圾郵件過濾這樣的應用程序而言，支持增量式訓練的能力是非常重要的，因為過濾程序時常要對新到的郵件進行訓練，然后必須即可進行相應的調整；更何況，過濾程序也未必有權限訪問已經(jīng)收到的所有郵件信息。

　　樸素貝葉斯分類器的另一大優(yōu)勢是，對分類器實際學習狀況的解釋還是相對簡單的。由于每個特征的概率值都被保存了起來，因此我們可以在任何時候查看數(shù)據(jù)庫，找到最合適的特征來區(qū)分垃圾郵件和非垃圾郵件，或是編程語言和蛇。保存在數(shù)據(jù)庫中的這些信息都很有價值，它們有可能被用于其他的應用程序，或者作為構筑這些應用程序的一個良好基礎。

　　樸素貝葉斯分類器的最大缺陷就是，它無法處理基于特征組合所產(chǎn)生的變化結果。假設有如下這樣一個場景，我們正在嘗試從非垃圾郵件中鑒別出垃圾郵件來：假設我們構建的是一個Web應用程序，因為單詞“online”市場會出現(xiàn)在你的工作郵件中。而你的好友則在一家藥店工作，并且喜歡給你發(fā)一些他碰巧在工作中遇到的奇聞趣事。同時，和大多數(shù)不善于嚴密保護自己郵件地址的人一樣，偶爾你也會收到一封包含單詞”online pharmacy“的垃圾郵件。

　　也許你已經(jīng)看出此處的難點--我們往往會告訴分類器”onlie“和”pharmacy“是出現(xiàn)在非垃圾郵件中的，因此這些單詞相對于非垃圾郵件的概率會高一些。當我們告訴分類器有一封包含單詞”onlie pharmacy“ 的郵件屬于垃圾郵件時，則這些單詞的概率又會進行相應的調整，這就導致了一個經(jīng)常性的矛盾。由于特征的概率是單獨給出的，因此分類器對于各種組合的情況一無所知。在文檔分類中，這通常不是什么大問題，因為一封包含單詞”online pharmacy“的郵件中可能還會有其他的特征可以說明它是垃圾郵件，但是在面對其他問題時，理解特征的組合可能是至關重要的。