已知某条件概率，如何得到两个事件交换后的概率，也就是在已知 P(A|B) 的情况下如何求得 P(B|A)。

• 前提条件是特征之间独立
• 如果特征值是离散的值，需要考虑拉普拉斯平滑，解决出现 0 次的问题。
• 如果特征值是稀疏的离散值，可以假设服从伯努利分布
• 如果特征值是连续值，则可以假设服从高斯分布

image.png image.png

对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别

• 版本1

image.png

• 版本2

image.png

• 如果特征是数值的，最好是正态分布的数值的，那么用 sklearn.naive_bayes.GaussianNB
• 如果特征是binary的，那么用 sklearn.naive_bayes.BernoulliNB
  如果特征是categorical的，那么用 sklearn.naive_bayes.MultinomialNB

参考链接

https://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html
https://www.cnblogs.com/pinard/p/6069267.html