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

>>阅读原文<<