機器學習教程之12-樸素貝葉斯(naive Bayes)法的sklearn實現

0.概述 樸素貝葉斯法基於貝葉斯定理與特徵條件獨立假設的分類方法。 對於給定的訓練數據集，首先基於特徵條件獨立假設學習輸入/輸出的聯合概率分佈；然後基於此模型，對給定的輸入x，利用貝葉斯定理求出後驗概率最大的輸出y。 優點： 原理簡單 實現簡單 學習與預測的效率都很高 是一種常用的方法 缺點： 1.樸素貝葉斯法的學習與分類 要點： 1）樸素貝葉斯法通過訓練數據集學習聯合概率分佈P(X,Y)。具體地

>>阅读原文<<