2.3 分类算法:朴素贝叶斯

本文介绍了朴素贝叶斯分类的基本原理及应用流程。通过详细解释如何利用训练数据集进行特征属性的概率计算,最终确定待分类项的所属类别。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

贝叶斯公式:


朴素贝叶斯分类的正式定义:
  • 设 x={a1,a2,…,am}为一个待分类项,而每个 a 为 x 的一个特征属性
  • 有类别集合 C={y1,y2,…,yn}
  • 计算 P( y1|x) ,P( y2|x),…, P( yn|x)
  • 如果 P( yk|x) =max{P( y1|x),P( y2|x),…, P( yn|x)},则 x∈yk

    • 因为分母P(x)对于所有类别为常数,只要将分子最大化即可,所以只要最大即可


流程:
  • 第一阶段:训练数据生成训练样本集: TF-IDF
  • 第二阶段:对每个类别计算 P(yi)
  • 第三阶段:对每个特征属性计算所有划分的条件概率
  • 第四阶段:对每个类别计算
  • 第五阶段:以的最大项作为 x 的所属类别
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值