機器學習實戰之樸素貝葉斯

在學習樸素貝葉斯分類模型之前，我們回顧一下之前學習的KNN和決策樹，讀者本人的總結：不同的機器學習方法有着不同的假設和理論進行支撐，而這些假設和理論在很大程度上體現了該算法的優缺點。 KNN：在樣本空間中，相同的類型數據在空間呈聚集狀態，也就是距離會靠近，基於這個假設，只需要對測試樣本與訓練樣本進行距離計算，最近距離的樣本的類別很大程度上就是測試樣本的類別。 決策樹：基於信息理論。樣本數據是混亂的

>>阅读原文<<