朴素贝叶斯的伪代码

以下是朴素贝叶斯分类器的基本伪代码：

输入：训练集 D = {(x1, y1), (x2, y2), ..., (xn, yn)}，其中xi = (x(i,1), x(i,2), ..., x(i,m))，yi ∈ C = {c1, c2, ..., ck}
输出：分类器 f(x)

1. 统计训练集中各类别出现的次数 P(yi)，并计算先验概率 P(yi) = count(yi) / n

2. 对于每个属性 j，计算每个类别 ci 下该属性的条件概率 P(xj|yi=ci)，并记录在条件概率表 T 中，其中 T[j][ci] = P(xj|yi=ci)

3. 对于每个新样本 x，计算其属于每个类别 ci 的后验概率 P(yi|x)，并选择具有最大后验概率的类别作为预测结果：
   P(yi|x) = P(yi) × ∏ P(xj|yi=ci)
   f(x) = argmax P(yi|x)

其中，第一步为先验概率的计算，第二步为条件概率的计算，第三步为后验概率的计算和预测结果的选择。朴素贝叶斯分类器的基本思想是在给定样本的情况下，通过贝叶斯公式计算其属于每个类别的概率，并选择具有最大概率的类别作为预测结果。