機器學習複習(9) naive Bayes Classifier 樸素貝葉斯

假設的是所有特徵都是相互獨立的 樸素貝葉斯雖然很簡單，但效果還不錯 06年，被一些更加現代的方法超越，例如boosted ,random forests 需要估計的參數比較少 因爲假設獨立，所以只需要考慮方差，而不用考慮協方差 一般不考慮evidence，因爲每個類的分母都一樣 相當於一個常數（對於C） 根據樸素貝葉斯假設（特徵之間相互獨立），可以得到 複習到這裏，我都差點忘記樸素貝葉斯是幹嘛的了

>>阅读原文<<