我理解贝叶斯定理，但不明白分类器中的“高斯”部分是什么 . 为什么称它为“高斯”？
考虑sklearn.naive_bayes.GaussianNB的设置 . fit 方法采用 x 和 y ，并尝试拟合它们 . 它们对应于随机变量X和y的实例，y取一些值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 . 如果你还记得贝叶斯定理，
fit
x
y
P（A | B）= P（B | A）P（A）/ P（B），
对于这种逆转，我们需要先验分布X.在gaussian naive bayes中，假设这是正态分布 .
1 回答
考虑sklearn.naive_bayes.GaussianNB的设置 .
fit方法采用x和y，并尝试拟合它们 . 它们对应于随机变量X和y的实例，y取一些值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 . 如果你还记得贝叶斯定理，P（A | B）= P（B | A）P（A）/ P（B），
对于这种逆转，我们需要先验分布X.在gaussian naive bayes中，假设这是正态分布 .