![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
朴素贝叶斯
不语菠萝
这个作者很懒,什么都没留下…
展开
-
机器学习算法-朴素贝叶斯(三):朴素贝叶斯-原理简析
机器学习算法-朴素贝叶斯(一):朴素贝叶斯简介和鸢尾花分类实战(代码附详细注释)机器学习算法-朴素贝叶斯(二):模拟离散数据集–贝叶斯分类(代码附详细注释)接上篇文章step 1:结果分析,详解alpha=1的含义alpha=1这个参数表示什么?我们知道贝叶斯法一定要计算两个概率:条件概率: ????(????(????)=????(????)|????=????????) 和类目 ???????? 的先验概率: ????(????=????????) 。对于离散特征:我们可以看出就是对每原创 2020-12-24 16:55:55 · 600 阅读 · 1 评论 -
机器学习算法-朴素贝叶斯(二):模拟离散数据集--贝叶斯分类(代码附详细注释)
step 1:库函数导入import randomimport numpy as np# 使用基于类目特征的朴素贝叶斯from sklearn.naive_bayes import CategoricalNBfrom sklearn.model_selection import train_test_splitstep 2:数据导入和分析# 模拟数据rng = np.random.RandomState(1) #随机数生成种子设置为“1”,确保别人和我自己的生成数字相同# 随机生成600原创 2020-12-24 16:05:12 · 618 阅读 · 0 评论 -
机器学习算法-朴素贝叶斯(一):朴素贝叶斯简介和鸢尾花分类实战(代码附详细注释)
朴素贝叶斯朴素贝叶斯的介绍朴素贝叶斯算法(Naive Bayes, NB) 是应用最为广泛的分类算法之一。它是基于贝叶斯定义和特征条件独立假设的分类器方法。由于朴素贝叶斯法基于贝叶斯公式计算得到,有着坚实的数学基础,以及稳定的分类效率。NB模型所需估计的参数很少,对缺失数据不太敏感,算法也比较简单。当年的垃圾邮件分类都是基于朴素贝叶斯分类器识别的。我们用一句话理解贝叶斯:世间很多事都存在某种联系,假设事件A和事件B。人们常常使用已经发生的某个事件去推断我们想要知道的之间的概率。 例如,医生在确诊的时候原创 2020-12-24 10:30:03 · 4659 阅读 · 1 评论