机器学习基础算法(三)----- 朴素贝叶斯算法、模型调优与选择
文章目录一. 概率基础1. 联合概率和条件概率2. 朴素贝叶斯-贝叶斯公式3. 拉普拉斯平滑二. 朴素贝叶斯算法案例1. sklearn朴素贝叶斯实现API2. 朴素贝叶斯案例流程3. 朴素贝叶斯分类优缺点三. 分类模型的评估1. 混淆矩阵2. 精确率与召回率3. 分类模型评估API四. 模型选择与调优1. 交叉验证2. 网格搜索一. 概率基础概率定义为一件事情发生的可能性1. 联合概率和条件概率2. 朴素贝叶斯-贝叶斯公式3. 拉普拉斯平滑如果得到的概率为零,可用拉普拉斯平滑系数解决
复制链接