傳統機器學習之樸素貝葉斯、支持向量機、LDA

1. 樸素貝葉斯的原理 樸素貝葉斯的原理： 基於樸素貝葉斯公式，比較出後驗概率的最大值來進行分類，後驗概率的計算是由先驗概率與類條件概率的乘積得出，先驗概率和類條件概率要通過訓練數據集得出，即爲樸素貝葉斯分類模型，將其保存爲中間結果，測試文檔進行分類時調用這個中間結果得出後驗概率。 優點：在數據較少的情況下仍然有效，可以處理多分類問題 缺點：對於輸入數據的準備方式較爲敏感 2. 利用樸素貝葉斯模型

>>阅读原文<<