朴素贝叶斯

用处：朴素贝叶斯主要解决的是而分类的问题。

为什么叫朴素贝叶斯： 因为贝叶斯分类只做最原始，最简单的假设：所有的特征之间都是统计独立的

什么是统计独立：假设某样本X有个属性，那么有，满足这样的公式就说明特征统计独立

概率基础

1. 联合概率（并且）： 包含多个条件，且所有条件同时成立的概率

   记为：

   计算：

2. 条件概率：就是时间A 在另一个时间B已经发生条件下的发生概率

   记为：

   同理可得 联立可得 也就是贝叶斯公式

   特性：

   特性成立的条件是是相互独立的。相互独立的意思就是互相之间没有影响。

3. 全概率公式

   如果时间构成一个完备时间且都有正概率，那么对于任意一个事件则有：
   

朴素贝叶斯-贝叶斯公式

称为”先验概率“（Prior probablity）,即在B时间发生之前，我们对A时间概率的一个判断

称为”后验概率“（Posterior probability）, 即在B事件发生之后，我们对A事件的重新评估

称为”可能性函数“（Likely hood）,这是一个调整因子，可以使预估概率更加接近真实概率

在计算最终结果的时候，可以将计算步骤分为几个部分，首先计算先验概率的大小，之后计算可能性函数，对于可能性函数，有分为分子的计算和分母的计算，首先计算分母，分母的计算使用到全概率公式计算，将对应的部分套入到公式中

朴素贝叶斯的分类

1. GaussianNB

先验概率是高斯分布，需要求均值和方差