算法链接

最新推荐文章于 2023-04-14 10:11:09 发布

hozhangel

最新推荐文章于 2023-04-14 10:11:09 发布

阅读量209

点赞数

CC 4.0 BY-SA版权

分类专栏：个人

本文链接：https://blog.youkuaiyun.com/ZHO9504/article/details/81714330

个人专栏收录该内容

4 篇文章

订阅专栏

本文详细介绍了多种机器学习算法，包括PCA、SVM、逻辑回归、HMM、KNN、张量、强化学习、K-Means、EM算法、LDA、朴素贝叶斯、随机森林等，并探讨了它们的应用场景，特别分析了朴素贝叶斯算法的优点和缺点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

http://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html

朴素贝叶斯：

优点：
　　（1） 算法逻辑简单,易于实现（算法思路很简单）
　　（2）分类过程中时空开销小（假设特征相互独立，只会涉及到二维存储）
缺点：
　　理论上，朴素贝叶斯模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此，这是因为朴素贝叶斯模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，在属性个数比较多或者属性之间相关性较大时，分类效果不好。
而在属性相关性较小时，朴素贝叶斯性能最为良好。对于这一点，有半朴素贝叶斯之类的算法通过考虑部分关联性适度改进。
整个例子详细的讲解了朴素贝叶斯算法的分类过程

CRF （待找）

及他们用在什么地方..

tf-idf