已知某条件概率，如何得到两个事件交换后的概率，也就是在已知 P(A|B) 的情况下如何求得 P(B|A)。
- 前提条件是特征之间独立
- 如果特征值是离散的值，需要考虑拉普拉斯平滑，解决出现 0 次的问题。
- 如果特征值是稀疏的离散值，可以假设服从伯努利分布
- 如果特征值是连续值，则可以假设服从高斯分布
image.png
image.png
对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别
- 版本1
image.png
- 版本2
image.png
- 如果特征是数值的，最好是正态分布的数值的，那么用 sklearn.naive_bayes.GaussianNB
- 如果特征是binary的，那么用 sklearn.naive_bayes.BernoulliNB
如果特征是categorical的，那么用 sklearn.naive_bayes.MultinomialNB
参考链接
https://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html
https://www.cnblogs.com/pinard/p/6069267.html
网友评论