needyounow歌词给定与判定树归纳相同的训练数据，我们希望使用朴素贝叶斯分类预测一个未知样本的类标
号。数据样本用属性Outlook，Temperature，Humidity和Wind描述。类标号属性Play_Tennis具有两个不同值（即（Yes,No））。设C1对应于类Play_Tennis=“Yes”，而C2对应于类Play_Tennis=“No”。我们希望分类的样本为
我们需要最大化reddevil>hanyiying，i=1,2。每个类的先验概率P(Ccaptivai)可以根据训练样本计算：
P(Play_Tennis=”Yes”)=9/14=0.643
字母歌
P(Play_Tennis=”No”)=5/14=0.357
为计算，i=1,2，我们计算下面的条件概率：
P(Outlook=”sunny”|Play_Tennis=”Yes”)=2/9=0.222
P(Outlook=”sunny”|Play_Tennis=”No”)=3/5=0.600reminded>小麦的英文
P(Temperature=”Cool”|Play_Tennis=”Yes”)=3/9=0.333老罗英语
P(Temperature=”Cool”|Play_Tennis=”No”)=1/5=0.200
P(Hudimity=”High”|Play_Tennis=”Yes”)=3/9=0.333
P(Hudimity=”High”|Play_Tennis=”No”)=4/5=0.800
P(Wind=”Strong”|Play_Tennis=”Yes”)=3/9=0.333
P(Wind=”Strong”|Play_Tennis=”No”)=3/5=0.600
使用以上概率，我们得到：保险箱英文
P(X|Play_Tennis=”Yes”)=0.222×0.333×0.333×0.333=0.00823
P(X|Play_Tennis=”No”)=0.600×0.200×0.800×0.600=0.0576
P(X|Play_Tennis=”Yes”)P(Play_Tennis=”Yes”)=0.00823×0.643=0.0053
P(X|Play_Tennis=”No”)P(Play_Tennis=”No”)=0.0576×0.357=0.0206
因此，对于样本X，朴素贝叶斯分类预测Play_Tennis=”No”
