机器学习 朴素贝叶斯: sklearn.naive_bayes

朴素贝叶斯: sklearn.naive_bayes

• 1. 贝叶斯原理

• 2. 朴素贝叶斯

• 3. 朴素贝叶斯模型：

• • 3.1 多项式模型MultinomialNB
  • 3.2 高斯模型GaussianNB
  • 3.3 伯努利模型BernoulliNB

• 4. sklearn 实现 朴素贝叶斯分类

• 参考链接：

1. 贝叶斯原理

贝叶斯分类 是以贝叶斯定理为基础的一种分类算法。

给定某个条件下发生的概率，并探讨如何计算交换事件后的条件概率问题；也就是当知道某条件下某特定结果的概率时计算其逆向的概率值。当发生事件B时，则该特定结果的发生概率是多少？其基本求解公式为：P(A|B)=\frac{P(AB)}{P(B)}。贝叶斯定理用于解决逆向推断问题。

其核心概念在于将先验概率与观测到的数据相结合以计算出后验概率。换一种数学表达方式：

![在这里插入图片描述](https://ad.itadn.com/c/weblog/blog-img/images/2