朴素贝叶斯分类法用于文本分类时，通过假设各特征独立，简化了计算，最大化后验概率。在训练集中获取每个关键字在类别中的概率，对未知类别样本，选取概率最高的类别作为其归属。算法准确度依赖于属性独立假设，实际中可能因同义词、连用词等因素导致假设不完全成立，对训练集质量和关键字独立性有一定要求。
设每个数据样本用一个n维特征向量来描述n个属性的值，即：X={x1，x2，…，xn}，假定有m个类，分别用C1, C2,…，Cm
NB算法解析,搜索引擎算法
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
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
