经典分类算法—朴素贝叶斯笔记

    

概率->阈值->分类

要求：每个类别，X的分量都是相互独立的。

有点：优秀、稳健

数据预处理：特征选择过程和主成分分析方法降维后，更合乎假设，一般结果还是不错的。

使用条件：离散变量模型，算法理解容易；可以避免过度拟合可以胜任缺失数据的分类任务。样本小，维度高。

缺点：稀疏敏感-—拉普拉斯平滑。

应用：垃圾邮件分类、银行违约分类、情感分析、精准营销