朴素贝叶斯分类算法的R语言实现

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。
摘要由CSDN通过智能技术生成

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)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值