Machine learning 朴素贝叶斯分类中概率的计算

我有一个由分类属性和连续属性组成的数据集。我想应用朴素贝叶斯分类方法对数据进行分类

如何计算这两种类型的概率

---

我是否应该使用计数方法计算分类数据，并假设一些分布，然后从连续数据的分布进行计算？

因为朴素贝叶斯假设在给定类标签的情况下，每个特征观察都是独立的

P(cat1, con1|y) =  P(cat1|y)P(con1|y)

如果

cat1

是一些分类变量，而

con1

是连续的，则可以完全独立地对这些概率进行建模。正如你所建议的，对于分类，你可以使用简单的经验估计器（但是记住一些平滑技术，所以你不会得到0概率），对于连续，你需要一些更复杂的估计器（如使用固定分布族的最大似然估计（MLE）——例如高斯分布；或更复杂的东西——如任何概率分类器/模型）