本文介绍了朴素贝叶斯分类算法的基本原理，并展示了如何使用R语言进行实现。通过训练样本集统计各特征属性的条件概率，利用贝叶斯公式进行预测。在处理连续属性时，假设其服从高斯分布，并用拉普拉斯校准法解决概率为零的问题。详细实现代码可在Github找到。
贝叶斯分类常用来预测隶属关系，计算一个给定元组属于某一类的概率
首先我们来看下贝叶斯基本公式：
P(B|A)的意思是在A事件的情况下，发生B事件的概率，可以理解为概率论中的条件概率，而贝叶斯公式的巨大作用就是对因果关系进行了交换，通过上面的公式就可以计算P(A|B)的概率，只要通过上述的转换。
朴素贝叶斯分类的正式定义如下：
1、设为一个待分类项，而每个a为x的一个特征属性。(在我们的例子中x={"rain","hot","high","strong"}里面的4个因子为他的特征向量)
最低0.47元/天 解锁文章
497
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
