一 朴素贝叶斯简介
1.1 概率的基本概念
联合概率:包含多个条件,且所有条件同时成立的概率,记作:P(A,B)
条件概率:就是事件A在另外一个事件B已经发生条件下的发生概率,记作:P(A|B)
相互独立:如果P(A, B) = P(A)P(B),则称事件A与事件B相互独立。
1.2 贝叶斯公式
朴素贝叶斯:假定了特征与特征之间相互独立的贝叶斯公式。
朴素贝叶斯,之所以朴素,就在于假定了特征与特征相互独立。
1.3 拉普拉斯平滑系数
作用:防止统计数据过少,个别特征出现概率为0的情况
二 朴素贝叶斯API
sklearn.naive_bayes.MultinomialNB(alpha = 1.0)
alpha:拉普拉斯平滑系数
from sklearn.naive_bayes import MultinomialNB
estimator = MultinomialNB(alpha=1)
estimator.fit(x_train, y_train)