機器學習 樸素貝葉斯

基於概率論的分類方法——樸素貝葉斯 樸素貝葉斯 優點：在數據較少的情況下仍然有效，可以處理多類別問題。 缺點：對於輸入數據的準備方式較爲敏感。 適用數據類型：標稱型數據 選擇高概率對應的類別，便是貝葉斯的核心理論 貝葉斯準則（條件概率公式）： 如果P(c1|x, y) > P(c2|x, y)，那麼屬於類別c1。 如果P(c1|x, y) < P(c2|x, y)，那麼屬於類別c2。 使用樸素貝葉

>>阅读原文<<