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。