• 今日要談的是：

• Naive Bayes 演算法的起源與原理

• Navie Bayes 演算法的程式碼

• 昨天我們談到Navie Bayes的數學式，因為今日要談的的起源與原理與昨日的數學式有關，忘記或還沒有閱讀的同學，可以經由[上一篇的連結]（https://ithelp.ithome.com.tw/articles/10346920) 去看一下，昨日說過的我們不會細談，詳細的內容還是回去翻閱一下，了解前情提要。

• Naive Bayes 演算法的起源與原理：

昨日我們有談到貝氏定理是在某事件A發生的情形下，事件Ei發生的機率。例如：以昨日的一籃水果範例來說，我們已知從這一籃水果中，隨機取出蘋果的機率為0.3，而貝氏定理則是要問從一籃水果取出是蘋果，蘋果被蟲咬的機率是多少，這個被蟲咬的機率與蘋果的生長環境有關。但是，ML的Navie Bayes的演算法，沒有那麼複雜，之所以取之為Navie單純，就是假設蘋果被蟲咬的機率這個事件與蘋果生長環境的事件，「彼此獨立」，也就是原本相關的兩個事件，現在看成彼此不相干，其目的是要簡化計算成本。

• Navie Bayes 演算法的程式碼：

from sklearn.naive_bayes import GaussianNB  

nb = GaussianNB()

nb.fit(X_train, y_train)
nb.predict(X_train)
nb.score(X_train, y_train)

• 從 sklearn.navies_bayes套件載入GaussianNB 高斯單純貝氏，Gaussian是著名高斯的數學家。
• 明天我們將會談regression，敬請期待。