[machine learning] 基于概率论的朴素贝叶斯算法

朴素贝叶斯是一种基于概率论的分类方法，基本原理是：用P1（x,y）表示点（x,y）属于类别1的概率，用P2（x,y）表示点（x,y）属于类别2的概率，如果P1>P2，则点(x,y)属于类别1，如果P1<P2,则点（x,y）属于类别2。 朴素贝叶斯的优点是在数据较少的情况下仍然有效，缺点是对数据的准备方式比较敏感，只适用于标称型数据。 “朴素”表示特征之间相互独立。 一。朴素贝叶斯的一般流程 收集数

>>阅读原文<<