朴素贝叶斯算法的伯努利模型和多项式模型

朴素贝叶斯算法有两种常见的模型：伯努利模型和多项式模型。

伯努利模型假设每个特征都是二元的（即只有两个可能的取值），例如一个文档中一个单词是否出现，或者一个电子邮件是否包含某个词语。这个模型的基本思想是将每个特征看作是一个独立的布尔变量，即每个特征要么出现（取值为1），要么不出现（取值为0），然后通过计算每个类别下每个特征出现的概率来计算文档属于某个类别的概率。

多项式模型假设每个特征都是离散的，例如一个文档中每个单词出现的次数，或者一个电子邮件中每个词语出现的频率。这个模型的基本思想是将每个特征看作是一个独立的离散变量，即每个特征可以取多个离散值，然后通过计算每个类别下每个特征取某个值的概率来计算文档属于某个类别的概率。

在实际应用中，多项式模型常常比伯努利模型更适用于文本分类等任务，因为多项式模型考虑了特征出现的频率信息，而伯努利模型则忽略了这些信息。