朴素贝叶斯【实例+代码】

条件概率公式：事件A在另外一个事件B已经发生条件下的发生概率P(A|B)

P(A|B)P(B) = P(AB)

P(B|A)P(A) = P(AB)

推出P(A|B) = P(B|A)P(A) / P(B) 朴素贝叶斯公式

例子：这是我自己写的一个数据集 判断一个日落果的好坏(诶嘿

size: small = 0, big = 1

color: orange = 0, yellow = 1

shape: irregular = 0, circle = 1

result: bad = 0, good = 1

 Q：预测 大的、圆的、橙色的日落果是好的还是坏的

划分特征变量和目标变量：

朴素贝叶斯有三种类型： 

        （1）高斯朴素贝叶斯（Gaussian Naive Bayes）
　　（2）多项式朴素贝叶斯（Multinomial Naive Bayes）
　　（3）伯努利朴素贝叶斯（Bernoulli Naive Bayes）

这里以高斯朴素贝叶斯为例，把数据放入训练再根据需求进行预测就行了。             

下面是原理：