Sklearn Naive Bayes GaussianNB Explicação

>>>

 Exemplo:

import numpy as np
X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
Y = np.array([1, 1, 1, 2, 2, 2])
from sklearn.naive_bayes import GaussianNB
clf = GaussianNB()
clf.fit(X, Y)

print(clf.predict([[-0.8, -1]])) 

 Tentarei explicar como funciona essas linhas de codigos, essas informaçoẽs pode estar errada

pois eu  to tentando aprender agora o sklearn naive bayes.

 Primeiro vamos fazer uma tabela com as informaçoes dos array.

 

Agora vamos tirar a media, e tambem tirar a variaçao.(Veja como tirar a variação)

Agora vamos testar o exemplo.

 

Se você não sabe como resolver esta questão, veja como resolver esse problema clicando Aqui.

P(1) = 3/6 = 0.5

P(A|1) = 0.194186054983

P(B|1) = 0.584909149172

P(Posterior) = 0.056790

Agora a do 2.

P(2) = 3/6 = 0.5

P(A|2) = 0.194186054983

P(B|2) = 0.000196213696897

P(Posterior) = 0.000019050

Entao podemos concluir que [-0.8,-1] é do tipo 1, pois 0.056790> 0.000019.