高斯朴素贝叶斯有需要调整的参数吗

Question

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？。

Answer 1

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

1. 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。

2. 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。