机器学习之朴素贝叶斯（分类）

朴素：在给定类别的情况下，各个特征相互独立

贝叶斯公式：P(A|B)=P(A)P(B|A)/P(B)

朴素贝叶斯：P(特征|类别)=P(特征)P(类别|特征)/P(类别)

核心思想：算一下概率，那种类别概率大，就分为那种类别。

在scikit-learn中的实现：

　　1.高斯贝叶斯：数据集符合高斯（正态）分布。用的最多

　　2.伯努利贝叶斯：数据集符合伯努利分布。

　　3.多项式贝叶斯：数据集符合多项式分布。