三种贝叶斯分类

1. 因变量是定量型的归纳学习称为回归，或者说是连续变量预测

2. 因变量是定性型的归纳学习称为分类，或者说是离散变量预测
   　　　　　　Ｐ（ＡＢ）＝　Ｐ（Ｂ｜Ａ）Ｐ（Ａ）
   　　P（A）叫做A事件的先验概率，就是一般情况下，认为A发生的概率。
   　　P（B|A）叫做似然度，是A假设条件成立的情况下发生B的概率。
   　　P（A|B）叫做后验概率，在B发生的情况下发生A的概率，也就是要计算的概率。
   　　P（B）叫做标准化常量，和A的先验概率定义类似，就是一般情况下，B的发生概率。
   　　
   　　（1）高斯朴素贝叶斯（Gaussian Naive Bayes）；
   　　（2）多项式朴素贝叶斯（Multinomial Naive Bayes）；
   　　（3）伯努利朴素贝叶斯（Bernoulli Naive Bayes）。
   　　其中，高斯朴素贝叶斯是利用高斯概率密度公式来进行分类拟合的。多项式朴素贝叶斯多用于高维度向量分类&#