数据分析——朴素贝叶斯

朴素

朴素贝叶斯的基础是贝叶斯定理：
贝叶斯定理
P（AB）=P（A)P（B|A）
P(A|B)=[P(B|A)P(A)]/P(B)
在遇到具体情况需要区分不同数据所呈现的类别时，我们需要引用贝叶斯定理。
问题在于，当我们再次应用时：

实际上这是无法或者很难获得的。
因此朴素贝叶斯的朴素之处在于：
它假设样本的属性是相互独立的

因此我们根据独立得到朴素贝叶斯的表达式：

案例

判断好瓜坏瓜
1、计算P（Xi|Y)

拉普拉斯平滑处理

import numpy as np
from sklearn.naive_bayes import GaussianNB
X=np.array([[-1,-1],[-2,-1],[-3,-2],[1,1],[2,1],[3,2]])
Y=np.array([1,1,1,2,2,2])
clf=GaussianNB()
clf.fit(X,Y)
clf.predict([[-0.8,-1]])