======================================================================= Machine Learning notebook
Python机器学习基础教程（introduction to Machine Learning with Python）
https://github.com/amueller/introduction_to_ml_with_python/blob/master/02-supervised-learning.ipynb
=======================================================================
Nave Bayes
朴素贝叶斯分类器是与线性模型非常相似的一种分类器，但它的训练速度往往更快。这种高效率所付出的代价是，朴素贝叶斯模型的泛华能力要比线性分类器（如LogisticRegression和LinearSVC）稍差。
朴素贝叶斯模型如此高效的原因在于，它通过单独查看每个特征来学习参数，并从每个特种中收集简单的类别统计数据。
scikit-learn中实现了四种朴素贝叶斯分类器：
GaussianNB（高斯朴素贝叶斯）：可用于任意连续数据。
BernoulliNB（伯努利朴素贝叶斯）：假定输入数据为二分类数据。
MultinomialNB（多项式朴素贝叶斯）：假定输入数据为计数数据（即每个特征代表某个对象的整数计数，比如一个单词在句子里出现的次数）
ComplementNB（补充朴素贝叶斯）：为了修正标准多项式朴素贝叶斯分类器的“严格假设”，设计了补充朴素贝叶斯分类器。它特别适合于不平衡的数据集。
sklearn.naive_bayes.ComplementNB(alpha=1.0, fit_prior=True, class_prior=None, norm=False)
BernoulliNB和MultinomialNB主要用于文本数据分类。
BernoulliNB分类器计算每个类别中每个特征不为0的元素的个数。
MultinomialNB和GaussianNB计算的统计数据类型略有不同。前者计算每个类别中每个特征的平均值；后者会保存每个类别中每个特征的平均值和标准差。
要想做出预测，需要将数据点与每个类别的统计数据进行比较，并将最匹配的类别作为预测结果。有趣的是，BernoulliNB和MultinomialNB预测公式的形式都与线性模型完全相同。不幸的是，朴素贝叶斯模型coef_de含义与线性模型稍有不同，因为coef_不同于w。
优点、缺点和参数
BernoulliNB和MultinomialNB都只有一个参数alpha，用于控制模型复杂度。alpha的工作原理是，算法向数据中添加alpha这么多的虚拟数据点，这些点对所有特征都取正值。这可以将统计数据“平滑化”（smoothing）。alpha越大，平滑化越强，模型复杂度就越低。算法性能对alpha值得鲁棒性（Robust）相对较好，也就是说，alpha值对模型性能并不重要。但调整这个参数通常都会使精度略有提高。
GaussianNB主要用于高维数据，而另外两种朴素贝叶斯模型则广泛用于稀疏计算数据，比如文本。MultinomialNB的性能通常要优于BernoulliNB，特别是在包含很多非零特征的数据集（即大型文档）上。
朴素贝叶斯模型的许多优点和缺点都与线性模型形同。它的训练和预测速度都很快，训练过程也很容易理解。该模型对高维稀疏数据的效果很好，对参数的鲁棒性也相对较好。朴素贝叶斯模型是很好的基准模型，常用于非常大的数据集，在这些数据集上即使训练线性模型可能也要花费大量时间。