机器学习之朴素贝叶斯学习笔记

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集,首先基于特征条件独立假设学习输入/输出的联合概率分布;然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出y。 一、朴素贝叶斯法理论知识 1.    朴素贝叶斯法的学习与分类 1.1基本方法: ①先验概率分布    ②条件概率分布    ③条件独立性假设   条件独立假设是说用于分类的特征在类确定的条件
相关文章
相关标签/搜索