[machine learning] 基於概率論的樸素貝葉斯算法

樸素貝葉斯是一種基於概率論的分類方法，基本原理是：用P1（x,y）表示點（x,y）屬於類別1的概率，用P2（x,y）表示點（x,y）屬於類別2的概率，如果P1>P2，則點(x,y)屬於類別1，如果P1<P2,則點（x,y）屬於類別2。 樸素貝葉斯的優點是在數據較少的情況下仍然有效，缺點是對數據的準備方式比較敏感，只適用於標稱型數據。 「樸素」表示特徵之間相互獨立。 一。樸素貝葉斯的一般流程 收集數

>>阅读原文<<