經典分類算法—樸素貝葉斯筆記

     機率->閾值->分類算法 要求：每一個類別，X的份量都是相互獨立的。spa 有點：優秀、穩健blog 數據預處理：特徵選擇過程和主成分分析方法降維後，更合乎假設，通常結果仍是不錯的。變量 使用條件：離散變量模型，算法理解容易；能夠避免過分擬合能夠勝任缺失數據的分類任務。樣本小，維度高。方法 缺點：稀疏敏感-—拉普拉斯平滑。im 應用：垃圾郵件分類、銀行違約分類、情感分析、精準營銷數據

>>阅读原文<<