机器学习实战学习笔记8——朴素贝叶斯
来源:互联网 发布:外汇分析行情软件 编辑:程序博客网 时间:2024/06/04 20:03
1.朴素贝叶斯概述
1.1朴素贝叶斯介绍
朴素贝叶斯(Naïve Bayesian)是基于贝叶斯定理与特征条件独立假设的分类方法。朴素贝叶斯分类器基于一个简单的假设:给定目标值之间属性相互独立。
1.2 朴素贝叶斯工作原理
假设有一个数据集,由两类组成,对于每个样本的分类,都是已知的。现在有一个新的点new_point(x,y) ,其分类未知。我们可以用p1(x,y)来表示数据点(x,y)属于类别1的概率;用p2(x,y)来表示数据点属于类别2的概率。在对新数据点归类时,可以用下面的规则来判断它所属的类别:
(1)如果p1(x,y) > p2(x,y),那么新数据点的类别为1;
(2)如果p2(x,y) > p1(x,y),那么新数据点的类别为2。
1.3 朴素贝叶斯优缺点
(1)优点:在数据较少的情况下仍然有效,可以处理多类别问题。
(2)缺点:对输入数据的准备方式较为敏感。
(3)应用范围:真假账号分类、新闻分类、广告过滤器。
2.使用朴素贝叶斯进行文档分类
0 0
- 机器学习实战学习笔记8——朴素贝叶斯
- 机器学习实战——朴素贝叶斯
- 机器学习实战笔记4(朴素贝叶斯)
- 《机器学习实战》-朴素贝叶斯笔记
- 机器学习实战笔记4(朴素贝叶斯)
- 机器学习实战-朴素贝叶斯笔记
- 机器学习实战笔记-朴素贝叶斯
- 《机器学习实战》学习笔记(3)—— 朴素贝叶斯
- 机器学习实战学习笔记(三)分类—朴素贝叶斯(python3实现)
- 机器学习实战 朴素贝叶斯
- 机器学习实战-朴素贝叶斯
- 《机器学习实战》--朴素贝叶斯
- 机器学习实战--朴素贝叶斯
- 机器学习实战-朴素贝叶斯
- 机器学习实战--朴素贝叶斯
- 机器学习实战 朴素贝叶斯
- 机器学习实战-朴素贝叶斯
- 《机器学习实战》朴素贝叶斯
- Linux学习笔记三,标准I/O库
- SQLite的触发器的例子2
- 第十五周项目2--用哈希法组织关键字
- Redis 分布式锁
- HDU 2098 分拆素数和
- 机器学习实战学习笔记8——朴素贝叶斯
- 分类任务数据集制作
- 搭建nexus私服
- android webview javascriptinterface实现从HTML JS调用ANDROID内部程序
- JButton追加事件监听
- 数字签名算法DSA
- 关于类加载和构造方法的那些事
- uboot中最低等级的打印开关如何打开呢?
- Dijkstra(迪杰斯特拉)算法