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
-
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：
-
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。
-
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
