机器学习笔记——第二周朴素贝叶斯和Logistic回归

朴素贝叶斯 优点： 在数据较少的情况下仍然有效，可以处理多类别问题。 缺点： 对于输入数据的准备方式较为敏感。 适用数据类型： 标称型数据。 朴素贝叶斯的一般过程： (1) 收集数据：可以使用任何方法。本章使用RSS源。 (2) 准备数据：需要数值型或者布尔型数据。 (3) 分析数据：有大量特征时，绘制特征作用不大，此时使用直方图效果更好。 (4) 训练算法：计算不同的独立特征的条件概率。 (5)

>>阅读原文<<