RookieFCB的专栏

半朴素贝叶斯分类器半朴素贝叶斯分类器的基本思想： 适当考虑一部分属性间的相互依赖信息。 独依赖估计（One-Dependent Estimator，简称ODE） 是半朴素贝叶斯分类器最常用的一种策略。P(c|x)∝P(c)∏i=1dP(xi|c,pai)P(c|x)\propto P(c)\prod\limits_{i=1}^d P(x_i|c,pa_{i}) 其中paipa_{i}为属性xi

K-近邻算法k-近邻算法简单、直观：给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的k个实例，这k个实例的多数属于某个类，就把该输入实例分为这个类。 优点：精度高、对异常值不敏感、无数据输入假定。 缺点：计算复杂度高、空间复杂度高。 适用数据范围：数值型和标称型（只在有限目标集中取值，如真与假，常用于分类问题。）。 算法输入：训练数据集T={(x1,y1),(x2,y2