本文详细介绍了朴素贝叶斯算法，包括其基于贝叶斯定理和特征条件独立假设的工作原理，算法流程分为训练和应用阶段。此外，还探讨了朴素贝叶斯的常见问题，如先验概率、后验概率、条件概率的定义，以及算法在实际应用中的挑战和解决方案，如属性独立性假设、零概率问题、概率计算的下溢问题。同时，讨论了朴素贝叶斯对异常值和连续型变量的处理，以及其在多分类任务中的应用和优缺点。
1、讲讲朴素贝叶斯
朴素贝叶斯是基于贝叶斯定理和特征条件独立假设的分类方法。
2、朴素贝叶斯算法流程
- 获取训练样本，确定特征属性；
- 对每个类别计算类各个类的类先验概率
; - 对每个特征计算分属于各个类别的类条件概率
； - 对于一个样本，计算每个类别的类条件概率和各特征的类先验概率乘积
- 以第4步值最大的类别作为样本的所属类别；
其中，第2、3步时模型的训练阶段，第4、5步是应用阶段。
3、NB应用举例
朴素贝叶斯推导和常见问题
最新推荐文章于 2022-09-13 09:24:40 发布
最低0.47元/天 解锁文章
扫一扫
03-27
187
187
05-28
1062
1062
12-03
1505
1505
09-13
1724
1724
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
