機器學習筆記之樸素貝葉斯分類算法

樸素貝葉斯分類算法: 優勢:在數據較少的狀況下仍然有效,能夠處理多分類問題。 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(離散型數據) 算法原理: 對於某一個條件,這個條件下哪一個類的個數最多,這個狀況就多是這個類的。其實就是max{P(y1|X),P(y2|X)...P(yn|X)},X是條件(屬性),y是類。 ps:是否是感受有點像k-近鄰算法的機率表達形式,另外確定有人
相關文章
相關標籤/搜索