第4章 朴素贝叶斯法
覆盖朴素贝叶斯学习、分类、参数估计与贝叶斯估计；用推导路径、单故障数值轨迹和结论验收门完成独立复核。
学习目标
- 能说明“第4章 朴素贝叶斯法”如何覆盖朴素贝叶斯学习、分类、参数估计与贝叶斯估计，并区分原版范围、独立核验和后续扩展
- 能先预测“怎样从类别先验与条件概率得到后验，并处理零频而不读取测试答案？”的定义与数值路径，再用已知量、变换、残差和反例逐步复核
- 能注入“出现零频后查看正确类别再决定是否平滑，或用测试类别频率更新先验”，用“变量域、条件独立、计数口径、先验、平滑与决策损失固定”决定接受、降级或拒绝方法结论
为什么从这个方法推演开始
朴素贝叶斯页让每个概率回到计数和假设，分数可归一不等于概率可信。 “第4章 朴素贝叶斯法”的贯穿任务是：对离散属性手算频率估计和拉普拉斯平滑，比较后验排序。 动手前先写下哪个定义、矩阵、分布、目标或迭代状态会变化；运行后补理由不算预测。
本页围绕“怎样从类别先验与条件概率得到后验，并处理零频而不读取测试答案？”建立参考、故障与恢复路径。只有“第4章 朴素贝叶斯法”守住“变量域、条件独立、计数口径、先验、平滑与决策损失固定”并交付变量域、类别计数、条件频数、平滑常数、对数后验、归一化、决策与零频反例。，公式、图形或指标才构成统计学习证据。
书目、285个原版层级与版本边界
“第4章 朴素贝叶斯法”以清华大学出版社官方书页核对李航著《统计学习方法（第2版）》于2019年出版、ISBN 9787302517276和监督/无监督两篇结构，同时以出版社英文版权页确认484页及两篇主要内容，再以出版社公开完整目录逐项核对两篇、22章、256个编号节/小节和附录A-E，因此本站覆盖分母共285个正式目录层级。
“第4章 朴素贝叶斯法”未取得原书完整正文授权，只以出版社完整目录限定范围；中文解释、推导、数值实验、交互、练习与答案均为独立教学重写。“第4章 朴素贝叶斯法”按2019年第2版范围解释；当前库函数和后续研究只作独立核验，不反写原版。
本页另以技术核对 1、技术核对 2、技术核对 3核对算法原始定义、实现语义或数值工具。外部资料能验证技术事实，不能反向证明原书正文采用了本站表述。
原版目录层级与方法机制
第4章 朴素贝叶斯法
↡朴素贝叶斯法对应原版目录坐标“第4章 朴素贝叶斯法”，在“第4章 朴素贝叶斯法”中用于由先验和条件似然计算后验分类，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 1/8。 在“第4章 朴素贝叶斯法”的坐标1中，目录项「第4章 朴素贝叶斯法」用于由先验和条件似然计算后验分类；先冻结符号与形状，再以类别/条件计数、平滑、对数后验、归一化与校准复核，出现零频窥标或测试先验时撤回结论。
4.1 朴素贝叶斯法的学习与分类
↡朴素贝叶斯法的学习对应原版目录坐标“4·1 朴素贝叶斯法的学习与分类”，在“第4章 朴素贝叶斯法”中用于由先验和条件似然计算后验分类，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 2/8。 目录项「4·1 朴素贝叶斯法的学习与分类」进入“第4章 朴素贝叶斯法”后要回答第2个方法问题：它怎样由先验和条件似然计算后验分类、改变什么数值状态、由哪些类别/条件计数、平滑、对数后验、归一化与校准证明，并如何排除零频窥标或测试先验。
4.1.1 基本方法
↡基本方法对应原版目录坐标“4·1·1 基本方法”，在“第4章 朴素贝叶斯法”中用于把目录坐标转为有定义、推导、计算和验收的统计学习合同，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 3/8。 围绕“怎样从类别先验与条件概率得到后验，并处理零频而不读取测试答案？”，在“第4章 朴素贝叶斯法”的原版层级3把「4·1·1 基本方法」落实为把目录坐标转为有定义、推导、计算和验收的统计学习合同；复核者先读取变量、假设、目标、更新、数值残差、评估和边界反例，不能接受只复述结论或公式名称。
4.1.2 后验概率最大化的含义
↡后验概率最大化的含义对应原版目录坐标“4·1·2 后验概率最大化的含义”，在“第4章 朴素贝叶斯法”中用于把目录坐标转为有定义、推导、计算和验收的统计学习合同，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 4/8。 对“第4章 朴素贝叶斯法”而言，目录项「4·1·2 后验概率最大化的含义」的最小推演合同是把目录坐标转为有定义、推导、计算和验收的统计学习合同，第4次检查保存变量、假设、目标、更新、数值残差、评估和边界反例；若产生只复述结论或公式名称，就返回上一步。
4.2 朴素贝叶斯法的参数估计
↡朴素贝叶斯法的参数估计对应原版目录坐标“4·2 朴素贝叶斯法的参数估计”，在“第4章 朴素贝叶斯法”中用于由先验和条件似然计算后验分类，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 5/8。 第5个正式坐标「4·2 朴素贝叶斯法的参数估计」服务于覆盖朴素贝叶斯学习、分类、参数估计与贝叶斯估计，需要以类别/条件计数、平滑、对数后验、归一化与校准呈现由先验和条件似然计算后验分类；零频窥标或测试先验会破坏“变量域、条件独立、计数口径、先验、平滑与决策损失固定”。
4.2.1 极大似然估计
↡极大似然估计对应原版目录坐标“4·2·1 极大似然估计”，在“第4章 朴素贝叶斯法”中用于把目录坐标转为有定义、推导、计算和验收的统计学习合同，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 6/8。 在“第4章 朴素贝叶斯法”的坐标6中，目录项「4·2·1 极大似然估计」用于把目录坐标转为有定义、推导、计算和验收的统计学习合同；先冻结符号与形状，再以变量、假设、目标、更新、数值残差、评估和边界反例复核，出现只复述结论或公式名称时撤回结论。
4.2.2 学习与分类算法
↡学习对应原版目录坐标“4·2·2 学习与分类算法”，在“第4章 朴素贝叶斯法”中用于把目录坐标转为有定义、推导、计算和验收的统计学习合同，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 7/8。 目录项「4·2·2 学习与分类算法」进入“第4章 朴素贝叶斯法”后要回答第7个方法问题：它怎样把目录坐标转为有定义、推导、计算和验收的统计学习合同、改变什么数值状态、由哪些变量、假设、目标、更新、数值残差、评估和边界反例证明，并如何排除只复述结论或公式名称。
4.2.3 贝叶斯估计
↡贝叶斯估计对应原版目录坐标“4·2·3 贝叶斯估计”，在“第4章 朴素贝叶斯法”中用于由先验和条件似然计算后验分类，并受定义域、形状、目标、算法状态与版本边界约束。原版坐标 8/8。 围绕“怎样从类别先验与条件概率得到后验，并处理零频而不读取测试答案？”，在“第4章 朴素贝叶斯法”的原版层级8把「4·2·3 贝叶斯估计」落实为由先验和条件似然计算后验分类；复核者先读取类别/条件计数、平滑、对数后验、归一化与校准，不能接受零频窥标或测试先验。
先预测，再操作三个章专属实验
1. 定义、推导与变换路径
固定“对离散属性手算频率估计和拉普拉斯平滑，比较后验排序。”，在参考与反例间切换，逐阶段查看“变量与类别、先验计数、条件似然、后验归一、平滑诊断”的已知量、变换、结果和数值检查。
推导路径
选择案例，逐步核对已知量与变换
怎样从类别先验与条件概率得到后验，并处理零频而不读取测试答案？
问题设置
对离散属性手算频率估计和拉普拉斯平滑，比较后验排序。 固定符号、数据、初值、顺序、容差和种子。
事前预测
沿“变量与类别 → 先验计数 → 条件似然 → 后验归一 → 平滑诊断”得到可复核结果。
适用边界
全过程必须满足“变量域、条件独立、计数口径、先验、平滑与决策损失固定”。
已知量
第4章 朴素贝叶斯法：声明对象、符号与适用域，冻结数据、形状和版本
变换或更新
只读取本步允许的已知量，并持续满足“变量域、条件独立、计数口径、先验、平滑与决策损失固定”
阶段结果
变量与类别产生形式化问题状态
数值与逻辑检查
形式化问题状态、索引和数值断言；出现“出现零频后查看正确类别再决定是否平滑，或用测试类别频率更新先验”时停止
原版坐标：第4章 朴素贝叶斯法、4.1 朴素贝叶斯法的学习与分类、4.1.1 基本方法、4.1.2 后验概率最大化的含义、4.2 朴素贝叶斯法的参数估计、4.2.1 极大似然估计、4.2.2 学习与分类算法、4.2.3 贝叶斯估计
第4章 朴素贝叶斯法的可重放方法协议
| 阶段 | 允许动作 | 必留证据 | 拒绝条件 |
|---|---|---|---|
| 变量与类别 | 在“第4章 朴素贝叶斯法”执行变量与类别，只改变声明的数学或数值状态 | 符号、定义域、形状、数据与版本 | 对象或形状不可追溯 |
| 先验计数 | 在“第4章 朴素贝叶斯法”执行先验计数，只改变声明的数学或数值状态 | 模型、目标、约束、参数/隐变量与迭代轨迹 | 出现零频后查看正确类别再决定是否平滑，或用测试类别频率更新先验 |
| 条件似然 | 在“第4章 朴素贝叶斯法”执行条件似然，只改变声明的数学或数值状态 | 模型、目标、约束、参数/隐变量与迭代轨迹 | 出现零频后查看正确类别再决定是否平滑，或用测试类别频率更新先验 |
| 后验归一 | 在“第4章 朴素贝叶斯法”执行后验归一，只改变声明的数学或数值状态 | 模型、目标、约束、参数/隐变量与迭代轨迹 | 出现零频后查看正确类别再决定是否平滑，或用测试类别频率更新先验 |
| 平滑诊断 | 在“第4章 朴素贝叶斯法”执行平滑诊断，只改变声明的数学或数值状态 | 残差、诊断、反例、适用边界与复现 | 无法重放或缺少诊断 |
unit: "slm-04"
question: "怎样从类别先验与条件概率得到后验，并处理零频而不读取测试答案？"
scenario: "对离散属性手算频率估计和拉普拉斯平滑，比较后验排序。"
stages: ["变量与类别", "先验计数", "条件似然", "后验归一", "平滑诊断"]
invariant: "变量域、条件独立、计数口径、先验、平滑与决策损失固定"
fault: "出现零频后查看正确类别再决定是否平滑，或用测试类别频率更新先验"
evidence: "变量域、类别计数、条件频数、平滑常数、对数后验、归一化、决策与零频反例。"
reset: restore_case_stage_trace_mode_step_gates_and_artifact该协议要求“第4章 朴素贝叶斯法”在相同符号、数据、形状、初值、顺序、容差和种子下重放。重置后若案例、阶段、轨迹模式、步骤、结论门或证据包没有回到基线，交互状态已经污染比较。
本页回顾
掌握“第4章 朴素贝叶斯法”不是背诵公式或API，而是能围绕“怎样从类别先验与条件概率得到后验，并处理零频而不读取测试答案？”重建定义与数值证据，并用“变量域、条件独立、计数口径、先验、平滑与决策损失固定”拒绝“出现零频后查看正确类别再决定是否平滑，或用测试类别频率更新先验”。最终交付为变量域、类别计数、条件频数、平滑常数、对数后验、归一化、决策与零频反例。
练习与答案
练习
- 问题 1：方法合同。 “第4章 朴素贝叶斯法”为什么必须先冻结符号、数据、形状、初值、顺序、容差和种子？
- 问题 2：目录逐项覆盖。 怎样证明原版目录坐标已经进入机制、交互和练习？
- 问题 3：故障恢复。 怎样证明“出现零频后查看正确类别再决定是否平滑，或用测试类别频率更新先验”已经被修正？
名词解释
名词解释
本章出现的专业名词，用大白话再讲一遍。
- 朴素贝叶斯法
检索键 slm-A 对应目录坐标「第4章 朴素贝叶斯法」；在“第4章 朴素贝叶斯法”中用于由先验和条件似然计算后验分类，需要连接原版范围、定义、数值状态与独立证据。
- 朴素贝叶斯法的学习
检索键 slm-B 对应目录坐标「4·1 朴素贝叶斯法的学习与分类」；在“第4章 朴素贝叶斯法”中用于由先验和条件似然计算后验分类，需要连接原版范围、定义、数值状态与独立证据。
- 基本方法
检索键 slm-C 对应目录坐标「4·1·1 基本方法」；在“第4章 朴素贝叶斯法”中用于把目录坐标转为有定义、推导、计算和验收的统计学习合同，需要连接原版范围、定义、数值状态与独立证据。
- 后验概率最大化的含义
检索键 slm-D 对应目录坐标「4·1·2 后验概率最大化的含义」；在“第4章 朴素贝叶斯法”中用于把目录坐标转为有定义、推导、计算和验收的统计学习合同，需要连接原版范围、定义、数值状态与独立证据。
- 朴素贝叶斯法的参数估计
检索键 slm-E 对应目录坐标「4·2 朴素贝叶斯法的参数估计」；在“第4章 朴素贝叶斯法”中用于由先验和条件似然计算后验分类，需要连接原版范围、定义、数值状态与独立证据。
- 极大似然估计
检索键 slm-F 对应目录坐标「4·2·1 极大似然估计」；在“第4章 朴素贝叶斯法”中用于把目录坐标转为有定义、推导、计算和验收的统计学习合同，需要连接原版范围、定义、数值状态与独立证据。
- 学习
检索键 slm-G 对应目录坐标「4·2·2 学习与分类算法」；在“第4章 朴素贝叶斯法”中用于把目录坐标转为有定义、推导、计算和验收的统计学习合同，需要连接原版范围、定义、数值状态与独立证据。
- 贝叶斯估计
检索键 slm-H 对应目录坐标「4·2·3 贝叶斯估计」；在“第4章 朴素贝叶斯法”中用于由先验和条件似然计算后验分类，需要连接原版范围、定义、数值状态与独立证据。