我理解贝叶斯定理,但不明白分类器中的“高斯”部分是什么。为什么叫“高斯”?
最佳答案
考虑 sklearn.naive_bayes.GaussianNB
的设置。 fit
方法接受一个 x
和一个 y
,并尝试适应它们。它们对应于随机变量X和y的实例,并且y采用一些值c ∈ C。因此,我们可以估计f(X|C = c)。当然,我们对P(C = c|X)感兴趣。如果您还记得贝叶斯定理,
P(A | B) = P(B | A)P(A)/P(B),
我们需要 X 的先验分布来实现此逆转。在 gaussian naive bayes ,这被假定为正态分布。
关于python - sklearn 高斯朴素贝叶斯 - 为什么是 "Gaussian"?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44491125/