机器学习算法笔记(02):朴素贝叶斯
2020-06-03 05:29
47 查看
机器学习算法笔记(02):朴素贝叶斯
- 朴素贝叶斯是典型的生成学习方法
生成方法:用训练数据学习 P(X,Y) 和 P(Y)的估计,得到联合概率分布: P(X, Y) = P(Y)P(X | Y)
- 朴素贝叶斯法对条件概率分布做条件独立性的假设,由于这是一个较强的假设,所以朴素贝叶斯的学习与预测大为简化,故高效且易实现,但它的分类的性能不一定高。
条件独立性:用于分类的特征在类已确定的条件下都是条件独立的。
- 贝叶斯算法利用贝叶斯定理与学到的联合概率模型进行分类预测
相关文章推荐
- 第一天02 建议学习路径(学习笔记)
- 【机器学习算法】朴素贝叶斯模型及文本分类
- Android进阶笔记02:Android 网络请求库的比较及实战(二)
- Git学习笔记02-- 初次运行 Git 前的配置
- iOS学习笔记-068.手势识别02——捏合、拖拽、旋转手势
- 《黑马程序员》java笔记->【02】对public static void main(String[] args)的解释
- 学习笔记(02):程序员的数学:线性代数-单位矩阵、对称矩阵、正交矩阵
- 机器学习算法-深入探讨朴素贝叶斯
- [原创]java WEB学习笔记02:javaWeb开发的目录结构
- Dotnet B/S 架构学习笔记_02(2008-10-06)
- 机器学习算法笔记之3:线性模型
- 【机器学习实战笔记(3-3)】关于朴素贝叶斯实现代码中的一些错误总结
- day25_Struts2学习笔记_02
- Redis学习笔记02--主从数据库配置
- html笔记02:html,body { ……}
- Redis学习笔记02--Redis的安装
- 笔记:OpenGL Tutorial 02
- 黑马程序员--C语言自学笔记---02基础语法
- 数据库笔记02:查询与统计数据
- python数据结构学习笔记-2016-11-02-02-迷宫问题