朴素贝叶斯（贝叶斯定理 + 条件独立 + 后验最大化的分类器）

一句话

「阳性 ≠ 确诊。」检测再准（阳性率 99%），只要「得病的人本来就极少」（先验低），阳性样本里多数仍是误诊——朴素贝叶斯把先验和似然正确合成后验，再挑最可能的类。基础率（先验）常常主导结果，这是它最反直觉也最有用的地方。

当前理解

• 公式：P(Y=c_k|X=x) = P(X=x|Y=c_k)·P(Y=c_k) / Σ_k P(X=x|Y=c_k)·P(Y=c_k)。分子 = 该类下看到 x 的概率 × 类先验；分母 = 把所有类加起来的归一化。
• 医学例（37 篇）：20000 人里没病 18000、有病 2000。有病者中年轻人 5%、阳性率 99%；没病者中年轻人 95%、误诊阳性率 1%。「年轻且阳性且真病」=2000×5%×99%=99 人；「年轻且阳性且没病」=18000×95%×1%=171 人。所以 P(真病 | 年轻+阳性)=99/(99+171)=36.7% < 没病 63.3%——阳性 ≠ 确诊，医生让复诊。
• 反直觉点（基础率错觉）：确诊率 99% 很高，但「年轻人得病」的先验极低（5%），于是阳性样本里误诊占多数。先验主导后验。
• 条件独立假设：P(年轻且阳性 | 某类) = P(年轻|某类)×P(阳性|某类)。不独立就不能乘：有云 0.5 × 下雨 0.33 ≠ 同现概率（云和雨相关）。
• 「朴素」的代价与回报：特征真相关时（云雨）估计失真；但独立假设让每个特征只需单独估计，样本需求与计算量骤降，实战里往往够用、常作基准。
• 后验最大化：给定特征时把各类后验都算出选最大者——在模型假设正确时让分类错误率最小。
• 量化里的用法（37/43 篇）：技术指标（SMA/WMA/MOM 等 13 个，43 篇离散化成 ±1）当特征、次日涨跌当标签，训练朴素贝叶斯分类器预测涨跌；43 篇把它和 SVM、随机森林并列。两篇都明说：只演示用法，不对准确性/收益担保。

来源

• 朴素贝叶斯入门 — 原理 + 医学例 + sklearn 演示（postId=1727）
• 手把手教你如何应用机器学习 — 应用篇（postId=1900，朴素贝叶斯为三算法之一）
• 关联概念：把机器学习用到股票预测（落地流程与坑）（43 篇的落地流程，含特征离散化与滚动重训）、熵与信息增益（衡量特征/因子带来多少信息）（同为 ML 组理论起点）

常见混淆

• 朴素贝叶斯 ≠ 贝叶斯推断整体：它只是「贝叶斯定理 + 条件独立假设」组装出的一种分类器；37 篇讲的「贝叶斯定理」是其中的公式件，不是贝叶斯学派统计。
• 「阳性率 99%」≠「阳性者 99% 有病」：前者是 P(阳性|有病)（似然），后者是 P(有病|阳性)（后验），方向不能倒——这是全文最重要的反直觉点。
• 条件独立 ≠ 无条件独立：云和雨无条件不独立；但「给定类别后」某两个特征可能条件独立。朴素贝叶斯要的是给定类别后的独立。
• 后验最大化 ≠ 保证对：它只在「模型假设正确」时最优；特征强相关、分布假设错，估计就错。
• 分类器预测对 ≠ 策略赚钱：37/43 篇都明确只演示用法；预测对错到真金白银之间还差仓位、调仓、成本整套逻辑。
• 先验从哪来：本文用历史频率估计先验；先验口径不同（人群 vs 样本）结论会变——别把 toy 例子的比例当普适。

开放问题

• 连续特征在 sklearn 里具体怎么建模（高斯朴素贝叶斯等分布假设）——37/43 篇未给出具体类与参数 [需要验证]。
• 特征强相关时（13 个技术指标同源冗余）朴素贝叶斯偏差多大、怎么改进，原库没讨论。
• 次日涨跌分类正确率即使 >50%，扣完交易成本是否仍有超额——本库 ML 批次没走到那一步（低频验证方法论属 W9 QuantStart 批次）。