本文介绍了朴素贝叶斯分类器的工作原理及其在病人分类、账号分类和性别分类中的应用。通过实例展示了如何利用统计资料计算各类别概率，实现分类决策。即使在特征彼此独立的假设下，朴素贝叶斯分类器依然能取得较好的分类效果。
生活中很多场合需要用到分类，比如新闻分类、病人分类等等。
本文介绍朴素贝叶斯分类器（Naive Bayes classifier），它是一种简单有效的常用分类算法。
一、病人分类的例子
让我从一个例子开始讲起，你会看到贝叶斯分类器很好懂，一点都不难。
某个医院早上收了六个门诊病人，如下表。
症状 职业 疾病
打喷嚏 护士 感冒
打喷嚏 农夫 过敏
头痛 建筑工人 脑震荡
头痛 建筑工人 感冒
打喷嚏 教师 感冒
头痛 教师 脑震荡
现在又来了第七个病人，是一个打喷嚏的建筑工人。请问他患上感冒
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
