sklearn库实现三种贝叶斯分类器

sklearn官方教程

https://scikit-learn.org/dev/modules/naive_bayes.html

sklearn库朴素贝叶斯分类：

https://blog.csdn.net/luanpeng825485697/article/details/78967139

三种贝叶斯分类参数介绍

https://www.cnblogs.com/JosonLee/p/10053716.html
https://blog.csdn.net/weixin_44530236/article/details/88769351

GaussianNB

假设条件分布满足高斯分布
如果样本特征的分布大部分是连续值，使用GaussianNB会比较好。

MultinomialNB

假设条件分布满足多项式分布
如果样本特征的大部分是多元离散值，使用MultinomialNB比较合适。

BernoulliNB

假设条件分布满足二项分布
如果样本特征是二元离散值或者很稀疏的多元离散值，应该使用BernoulliNB。（适用于离散特征。特征取值只能是0和1（如文本分类中某个词出现，特征为1；无，特征为0）。）