贝叶斯②——贝叶斯3种分类模型及Sklearn使用（高斯&多项式&伯努利）

贝叶斯机器学习系列：
贝叶斯①——贝叶斯原理篇（联合概率&条件概率&贝叶斯定理&拉普拉斯平滑)
贝叶斯③——Python实现贝叶斯文本分类（伯努利&多项式模型对比）
贝叶斯④——Sklean新闻分类（TF-IDF）
贝叶斯⑤——搜狗新闻分类实战（jieba + TF-IDF + 贝叶斯）
贝叶斯⑥——银行借贷模型（贝叶斯与决策树对比）

一、高斯模型

大家在学习高等数学时，应该学过高斯分布，也就是正态分布，是一种连续型变量的概率分布。简单来说，高斯分布就是当频率直方图的区间变得特别小时的拟合曲线，像座小山峰，其中两端的特别小，越往中间越高。

现实生活中有很多现象均服从高斯分布，比如年龄，收入，身高，体重等，大部分都处于中等水平，特别少和特别多的比例都会比较低。

高斯概率分布是由均值μ和标准差σ唯一确定的，如下图