贝叶斯相关常用API

高斯贝叶斯：

class sklearn.naive_bayes.GaussianNB(priors=None, var_smoothing=1e-09)

priors:array-like,shape(n_classes,)
类别的先验概率，如果指定则不会根据数据改变

var_smoothing ： float，optional（default = 1e-9）

所有要素的最大方差的部分，添加到计算稳定性的方差中。

伯努利贝叶斯：

class sklearn.naive_bayes.BernoulliNB（alpha = 1.0，binarize = 0.0，fit_prior = True，class_prior = None ）

 

参数：	alpha ： float，optional（默认值= 1.0） 添加剂（拉普拉斯/ Lidstone）平滑参数（0表示无平滑）。 binarize ： float或None，可选（默认值= 0.0） 样本特征的二值化（映射到布尔值）的阈值。如果为None，则假定输入已包含二进制向量。 fit_prior ： boolean，optional（default = True） 是否学习班级先验概率。如果为假，则使用统一的先验。 class_prior ： array-like，size = [n_classes，]，optional（default = None） 类的先验概率。如果指定，则不根据数据调整先验。

 

多项式贝叶斯：

class sklearn.naive_bayes.MultinomialNB(alpha=1.0, fit_prior=True, class_prior=None)

参数：	alpha：float，optional（默认值= 1.0） 添加剂（拉普拉斯/ Lidstone）平滑参数（0表示无平滑）。 fit_prior：布尔值 是否学习班级先验概率。如果为假，则使用统一的先验。 class_prior：类似数组，大小（n_classes，） 类的先验概率。如果指定，则不根据数据调整先验。