我正试图从scikit学习库中实现高斯朴素贝叶斯。我知道朴素贝叶斯是基于贝叶斯定理的,该定理在高层定义为:posterior = (prior * likelihood) / evidence.
据我所知,先验和证据都是从训练数据中学习到的。
我不确定可能性Q1:它是从训练数据中学习的还是通过使用最大似然估计?。Q2:是否有任何超参数需要调整?。
假设您的贝叶斯定理为,
P(A|B) = (P(B|A)*P(A))/P(B)
Where,
P(A|B) = Posterior Probability
P(B|A) = Likelihood
P(A) = Prior Probability
P(B) = Marginal Likelihood
问题答案
使用训练数据计算似然,并使用最大似然估计来计算似然的最大值。
朴素贝叶斯几乎没有可调整的超参数,因此它通常能很好地推广。