幾種樸素貝葉斯分類器

* 樸素的由來 *
樸素的假設：認爲各個特徵相互獨立。
* 種類 *
1. 高斯樸素貝葉斯（Gaussian Naive Bayes）
2. 多項式樸素貝葉斯（Multinomial Naive Bayes）
3. 伯努利樸素貝葉斯（ Bernoulli Naive Bayes）

樸素貝葉斯

最常見的分類方法：根據貝葉斯公式可以得到

ŷ =argminyP(y)∏i=1NP(xi|y)

不同的樸素貝葉斯分類算法是因爲對P(xi|y) 做了不同的假設。

高斯樸素貝葉斯

適用於特徵是高斯分佈的
gaussian bayesian

多項式分佈

適用於特徵是多項式分佈的
Multinomial bayesian

伯努利樸素貝葉斯

適用於特徵是二項分佈的
Bernoulli Bayesian