🔑 名詞卡
樸素貝氏（Naïve Bayes Classifier）
🎯 定義
一種基於貝氏定理、並假設特徵之間彼此條件獨立的機率分類演算法：\(P(C|X)=\dfrac{P(X|C)\times P(C)}{P(X)}\)，因簡化假設所有特徵獨立而稱「樸素」。
重點／應用
- 優點：計算高效、適合文本分類（垃圾郵件過濾、情感分析）、適合大規模資料集與即時預測。
- 「零機率」問題：訓練集中未出現的特徵值會使條件機率為零，導致後驗機率為零，需用拉普拉斯平滑（Laplace Smoothing）解決。
- 限制：獨立假設現實中很少完全成立；不適用於迴歸問題。
記憶技巧
「樸素」= 假設特徵彼此獨立，即使不完全真實，計算起來又快又穩。
易混淆
- vs 貝氏定理：貝氏定理是通用的機率更新公式；樸素貝氏是貝氏定理在分類任務上的具體演算法實作，多了「特徵條件獨立」的假設。
📖 課文原文「樸素貝式分類（Naïve Bayes Classifier）是一種基於貝式定理（Bayes' Theorem）並假設特徵之間彼此條件獨立的機率分類演算法。」