目录
贝叶斯初识:
一种基于贝叶斯定理和特征条件独立假设的分类方法
步骤:
基于特征条件独立假设学习 输入/输出 联合分布
基于此模型 对于给定输入x,利用贝叶斯原理求出后验概率最大的输出y
关键——两个假设:
(1)特征条件独立假设
(2)特征同等重要假设
基本方法:
贝叶斯估计优缺点
优点:
逻辑简单,容易实现
分类时空开销少
缺点
朴素贝叶斯的属性相互独立假设在实际应用中往往不成立,在属性较多或属性间相关性较强的时候分类效果不好
QA:
朴素贝叶斯朴素在哪里呢? —— 两个假设:
- 一个特征出现的概率与其他特征(条件)独立;
- 每个特征同等重要。