朴素贝叶斯

最新推荐文章于 2025-03-20 11:13:43 发布

原创

最新推荐文章于 2025-03-20 11:13:43 发布 · 205 阅读

·

0

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了朴素贝叶斯的基本概念，包括先验概率和条件概率的计算，并讨论了其优缺点，如计算简单、速度快，但条件独立假设难以满足。朴素贝叶斯在文本分类和推荐系统等领域有广泛应用，并在实例分析中提到了数据清洗的重要性。

朴素贝叶斯项目实战

1 概述
2 实例分析
- 2.1 数据清洗

1 概述

1.1 基本概念

朴素贝叶斯：基于训练集估计估计每个类的先验概率 $P (c)$ ，并计算每个属性的条件概率 $P(x_i|c)$ ，其中 $P(c)=\frac{|D_c|}{|D|}$ （ $D_c$ 表示训练集 $D$ 中第 $c$ 类样本的集合）， $P(x_i|c)=\frac{|D_{c,x_i}|}{|D_c|}$

最低0.47元/天解锁文章

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

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。