朴素贝叶斯 VS 逻辑回归
来源:互联网 发布:线性映射及其矩阵表示 编辑:程序博客网 时间:2024/05/30 23:04
总结起来,有以下几点不同:
(1) Naive Bayes是一个生成模型,在计算P(y|x)之前,先要从训练数据中计算P(x|y)和P(y)的概率,从而利用贝叶斯公式计算P(y|x)。
Logistic Regression是一个判别模型,它通过在训练数据集上最大化判别函数P(y|x)学习得到,不需要知道P(x|y)和P(y)。
(2) Naive Bayes是建立在条件独立假设基础之上的,设特征X含有n个特征属性(X1,X2,...Xn),那么在给定Y的情况下,X1,X2,...Xn是条件独立的。
如果要判定X属于哪一类,可以这样计算:
Logistic Regression的限制则要宽松很多,如果数据满徐条件独立假设,Logistic Regression能够取得非常好的效果;当数据不满度条件独立假设时,Logistic Regression仍然能够通过调整参数让模型最大化的符合数据的分布,从而训练得到在现有数据集下的一个最优模型。
(3) 当数据集比较小的时候,应该选用Naive Bayes,为了能够取得很好的效果,数据的需求量为O(log n)
当数据集比较大的时候,应该选用Logistic Regression,为了能够取得很好的效果,数据的需求量为O( n)
Naive Bayes运用了比较严格的条件独立假设,为了计算P(y|x),我们可以利用统计的方法统计数据集中P(x|y)和P(y)出现的次数,从而求得P(x|y)和P(y)。因而其所需的数据量要小一些,为O(log n).
Logistic Regression在计算时,是在整个参数空间进行线性搜索的,需要的数据集就更大,为O( n)
另外解释一下线性分类器的概念:
参考:
(1) GENERATIVE AND DISCRIMINATIVE CLASSIFIERS:NAIVE BAYES AND LOGISTIC REGRESSION
(2) Logistic Regression and Naive Bayes (Rob)
- 朴素贝叶斯 VS 逻辑回归
- 朴素贝叶斯 VS 逻辑回归 区别
- 朴素贝叶斯 VS 逻辑回归 区别
- 朴素贝叶斯 VS 逻辑回归 区别
- 朴素贝叶斯 VS 逻辑回归 区别
- 朴素贝叶斯 VS 逻辑回归 区别
- 判别式分类器vs生成式分类器:逻辑回归和朴素贝叶斯的比较
- 逻辑回归与朴素贝叶斯的区别
- 朴素贝叶斯与逻辑回归的区别
- ML—高斯判别分析、朴素贝叶斯和逻辑回归
- 逻辑回归 和 朴素贝叶斯 两者间的区别
- 逻辑回归和朴素贝叶斯算法实现二值分类(matlab代码)
- 机器学习:一些常见的监督型学习方法(K近邻、决策树、朴素贝叶斯、逻辑回归)
- 贝叶斯 VS 朴素贝叶斯
- 贝叶斯逻辑回归
- 逻辑回归 vs 决策树 vs 支持向量机(I)
- 逻辑回归 vs 决策树 vs 支持向量机(II)
- 逻辑回归 vs 决策树 vs 支持向量机(II)
- 生成模型和判别模型的区别
- Android使用SAX实现XML解析,使用text/xml格式与后台交互
- WEB项目部署到Tomcat上,访问项目不用加项目名称的设置方法
- Android Studio如何Format代码
- [leetcode] Plus One
- 朴素贝叶斯 VS 逻辑回归
- 用Beamer制作幻灯片(卷三 动画篇)
- 无法远程访问服务器上的mysql
- 关于less的css3前缀的写法
- eclipse漂亮主题MoonRise UI,比eclipse自带的漂亮很多
- ajax局部刷新
- 数据结构排序算法
- ios支付宝集成各种血泪坑和第三方平台不支持64位的解决办法
- scala类型参数的问题