我理解贝叶斯定理，但不明白分类器中的"高斯"部分是什么。为什么叫"高斯"？
考虑sklearn.naive_bayes.GaussianNB的设置。fit方法取x和y，并试图拟合它们。它们对应于随机变量 X 和 y 的实例，y 取一些值 c ∈ C。因此，我们可以估计 f(X|C = c(。当然，我们对 P(C = c|X( 感兴趣。如果你还记得贝叶斯定理，
P(A |B( = P(B |A(P(A(/P(B(，
我们需要 X 的先验分布来实现这种反转。在高斯朴素贝叶斯中，这被假定为正态分布。