-
因变量是定量型的归纳学习称为回归,或者说是连续变量预测
-
因变量是定性型的归纳学习称为分类,或者说是离散变量预测
P(AB)= P(B|A)P(A)
P(A)叫做A事件的先验概率,就是一般情况下,认为A发生的概率。
P(B|A)叫做似然度,是A假设条件成立的情况下发生B的概率。
P(A|B)叫做后验概率,在B发生的情况下发生A的概率,也就是要计算的概率。
P(B)叫做标准化常量,和A的先验概率定义类似,就是一般情况下,B的发生概率。
(1)高斯朴素贝叶斯(Gaussian Naive Bayes);
(2)多项式朴素贝叶斯(Multinomial Naive Bayes);
(3)伯努利朴素贝叶斯(Bernoulli Naive Bayes)。
其中,高斯朴素贝叶斯是利用高斯概率密度公式来进行分类拟合的。多项式朴素贝叶斯多用于高维度向量分类&#
三种贝叶斯分类
最新推荐文章于 2023-10-08 11:24:59 发布
本文介绍了朴素贝叶斯分类中的三种常见方法:高斯朴素贝叶斯、多项式朴素贝叶斯和伯努利朴素贝叶斯。高斯朴素贝叶斯使用高斯概率密度进行分类,多项式朴素贝叶斯适用于文章分类,而伯努利朴素贝叶斯处理布尔特征值的分类问题。
摘要由CSDN通过智能技术生成