高斯密度的贝叶斯分类

这里说的也就是对连续值得贝叶斯分类
对于离散的情况可产考：
贝叶斯理论基础
贝叶斯邮件分类

这里也是假设各个特征之间是互相独立的

$\color{Red}{f(x,\mu,\sigma) = \frac{1}{\sqrt{2 \pi}*\sigma }exp{- \frac{(x-\mu)^2}{2*\sigma^2}}}$

说明：$x$是你要输入的某个特征
$\mu$是对于某类的情况下，该特征所以数据的均值
$\sigma$是在对于某类的情况下，该特征所有数据的标准差

如果数据的各个特征以此是 (x1