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
相關文章
相關標籤/搜索