1. 朴素贝叶斯是基于贝叶斯定理与特征条件独立假设的分类方法。
由训练数据学习联合概率分布P(X,Y),然后求得后验概率分布P(Y/X)。
具体地,利用训练数据学习P(X/Y)和P(Y)的估计,然后得到联合概率分布P(X,Y)
概率估计方法极大似然估计或者贝叶斯估计。
2. 由于条件独立性的假设,包含的条件概率大为减少,学习与预测大为简化,高效易实现,分类性能不一定高。
1. 朴素贝叶斯是基于贝叶斯定理与特征条件独立假设的分类方法。
由训练数据学习联合概率分布P(X,Y),然后求得后验概率分布P(Y/X)。
具体地,利用训练数据学习P(X/Y)和P(Y)的估计,然后得到联合概率分布P(X,Y)
概率估计方法极大似然估计或者贝叶斯估计。
2. 由于条件独立性的假设,包含的条件概率大为减少,学习与预测大为简化,高效易实现,分类性能不一定高。