朴素贝叶斯分类

朴素贝叶斯分类

在数据稀疏的情况下准确率依旧较高，可适用于多分类。用于标称型数据(离散型)。

实质：通过样本属性值在每个类别的概率，计算输入数据在每个类别的概率，取其概率最大的为样本类别。

总结

朴素贝叶斯流程：

1.计算样本中每个属性值在该类别上的条件概率P(xi|c)

2.根据输入数据的属性值对计算好的概率(分类别)做乘法运算(如将属性值对应的概率相乘)计算属性在该类别上的联合概率P(x|c)

为什么分类别计算：每个类别对应的该属性值的条件概率都不同

这里指定的将要进行分类的数据的属性，其属性必然只存在一个值。将对应其值的P(xi|c)分