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 .