Naive-Bayes-Classifier 朴素贝叶斯分类器

朴素贝叶斯分类器 基于Hadoop平台MapReduce的实现
通过对提供的训练集的训练，对测试集进行预测。
训练集：好差评 + 已分词好的酒店评价数据
测试集：给定正确答案 + 已经分词好的评价数据
将结果与正确答案对比 验证预测结果的正确性

1 朴素贝叶斯分类器

1.1 先验概率和后验概率

先验概率基于已有知识对随机事件进行概率预估，但不考虑任何相关因素。

1.2 后验概率

后验概率基于已有知识对随机事件进行概率预估，并考虑相关因素

1.3 贝叶斯定理

贝叶斯定理（或称贝叶斯法则、贝叶斯规则）描述了一个事件的可能性，这个可能性是基于了预先对于一些与该事件相关的情况的知识。

1.4 平滑处理--卡普拉斯修正

训练集上，很多样本的取值可能并不在其中，但是这不并代表这种情况发生的概率为0，因此不应该出现概率为0的可能性，通过卡普拉斯即可修正。

1.5 取对数

ln函数在大于0的区间单调递增，并且概率计算乘积的时候，多个小概率乘积时容易产生为0的错误结果。均取对数，概率乘积可转换为概率相加，并且不影响大小的比较结果。