高斯朴素贝叶斯有参数可调吗？

Question

我正在尝试实现一个科学知识库中的高斯朴素贝叶斯。我知道朴素贝叶斯是建立在贝叶斯定理的基础上的，在高层次上定义为：posterior = (prior * likelihood) / evidence.

据我所知，先前和证据都是从培训数据中学到的。

我不确定Q1是否可能:它也是从训练数据中得到的，还是使用最大似然估计？Q2:是否需要调优任何超参数？

Answer 1

假设你有Bayes定理，

P(A|B) = (P(B|A)*P(A))/P(B)
Where,
P(A|B) = Posterior Probability
P(B|A) = Likelihood
P(A) = Prior Probability
P(B) = Marginal Likelihood

回答您的问题

1. 似然是利用训练数据计算的，最大似然估计用于计算最大似然值。

1. 朴素贝叶斯几乎没有需要调优的超参数，所以它通常具有很好的泛化性。