职场摸鱼小专家

sklearn实现朴素贝叶斯

Logistic 回归算法，又叫做逻辑回归算法，或者 LR 算法（Logistic Regression）。分类问题同样也可以基于“线性模型”构建。

K 折交叉验证（KFold）会将数据集划分为 k 个分组，成为折叠（fold）。如果 k 的值等于数据集实例的个数，那么每次的测试集就只有一个，这种处理方式称为“留一”。

机器学习分类算法——K 最近邻分类算法，简称 KNN（K-Nearest-Neighbor），它是有监督学习分类算法的一种。所谓 K 近邻，就是 K 个最近的邻居。比如对一个样本数据进行分类，我们可以用与它最邻近的 K 个样本来表示它，这与俗语“近朱者赤，近墨者黑”是一个道理。在学习 KNN 算法的过程中，你需要牢记两个关键词，一个是“少数服从多数”，另一个是“距离”，它们是实现 KNN 算法的核心知识。

认识了“支持向量机（SVM）算法”，了解了组成它的三个重要部件。通过对支持向量机本质的讲解，知道支持向量机也是从线性函数的基础上发展而来的，因此我们可以得出，支持向量机（SVM）是一种利用线性函数解决线性不可分（分类）问题的算法。

朴素贝叶斯（Naive Bayesian algorithm）是有监督学习的一种分类算法，它基于“贝叶斯原理”实现，该原理的提出人是英国著名数学家。因此你不要害怕千奇百怪的名字，它们大多数都由发明者的名字来命名。贝叶斯原理是基于概率论和统计学的相关知识实现的，因此在正式学习“朴素贝叶斯算法”前，我们有必要先了解几个概念以及认识“贝叶斯原理”。