传统机器学习之朴素贝叶斯、支持向量机、LDA

1. 朴素贝叶斯的原理 朴素贝叶斯的原理： 基于朴素贝叶斯公式，比较出后验概率的最大值来进行分类，后验概率的计算是由先验概率与类条件概率的乘积得出，先验概率和类条件概率要通过训练数据集得出，即为朴素贝叶斯分类模型，将其保存为中间结果，测试文档进行分类时调用这个中间结果得出后验概率。 优点：在数据较少的情况下仍然有效，可以处理多分类问题 缺点：对于输入数据的准备方式较为敏感 2. 利用朴素贝叶斯模型

>>阅读原文<<