经典分类算法—朴素贝叶斯笔记

     几率->阈值->分类算法 要求：每一个类别，X的份量都是相互独立的。spa 有点：优秀、稳健blog 数据预处理：特征选择过程和主成分分析方法降维后，更合乎假设，通常结果仍是不错的。变量 使用条件：离散变量模型，算法理解容易；能够避免过分拟合能够胜任缺失数据的分类任务。样本小，维度高。方法 缺点：稀疏敏感-—拉普拉斯平滑。im 应用：垃圾邮件分类、银行违约分类、情感分析、精准营销数据

>>阅读原文<<