基础算法--贝叶斯算法

贝叶斯算法数学原理

贝叶斯算法背景

贝叶斯算法推导

推导方法1

推导方法2

根据条件概率公式：
①P(A|B) = P(AB)/P(B) ----> P(AB) = P(A|B)·P(B)
②P(B|A) = P(AB)/P(A)) ----> P(AB) =P(B|A)·P(A)

贝叶斯定理应用实例

例1

例2

代码实战

贝叶斯算法API参数（以朴素贝叶斯为例）

class sklearn.naive_bayes.MultinomialNB(alpha=1.0, fit_prior=True, class_prior=None)

参数：

1. MultinomialNB:多项式分布的朴素贝叶斯。
   2.alpha: 控制模型拟合时的平滑度.
   3.fit_prior: 是否去学习类的先验概率
2. class_prior: 各个类别的先验概率，如果没有指定，则模型会根据数据自动学习， 每个类别的先验概率相同，等于类标记总个数N分之一。

属性：
1.class_log_prior_:每个类别平滑后的先验概率