4-5-机器学习-朴素贝叶斯算法(分类算法)

总结

贝叶斯算法

• 我们希望模型在分类的时候不是直接返回分类，而是返回属于某个分类的概率
• 特征与特征之间条件独立(特征之间无任何关联)，就可以使用贝叶斯算法，朴素指的就是条件独立
• 朴素贝叶斯模型常用于文本分类

在sk-learn中提供了三种不同类型的贝叶斯模型算法

• 高斯模型(基于高斯分布实现分类概率的计算) - 连续型特征：from sklearn.naive_bayes import GaussianNB
  • 公式:　　
  • 高斯分布，也就是正态分布，是一种连续型变量的概率分布(高手模型是用来处理连续型特征的）
  • 生活中有很多现象或事件发生的概率均服从正态分布
  • 高斯分布模型作用：通过训练集样本数据求出它的均值和标准差，有了这个俩个参数就可以估计某个特征属于某个类别的条件概率，以最大化的P为目标，高斯函数会为我们求解公式中的参数