综述
适用于标称型数据的监督学习方法。NB本质是个分类问题,根据样例属于哪个类的概率的大小判断样本属于哪个类。
朴素贝叶斯有两个基本条件:朴素和贝叶斯定理
- 朴素:
朴素指的是特征之间的相互独立性假设,就是特征1和特征2之间发生的概率相互不受影响。特征1发生与否和特征2无关。
另外,每个特征同等重要。 - 贝叶斯定理:
算法流程
统计各个特征分类的出现情况,计算概率=>训练模型。
NB中常用的几个模型:
高斯模型
有些特征可能是连续型变量,比如说人的身高,物体的长度,这些特征可以转换成离散型的值。通过高斯分布,可以把连续的变量转换成标称型变量。
比如连续型的变量,设定一些“标杆”,将其离散化。
多项式模型
该模型常用于文本分类,特征是单词,值是单词的出现次数。
垃圾邮件过滤系统:根据某些单词在邮件中的出现情况,判断该邮件是否是垃圾邮件。根据训练集中垃圾邮件中出现这些单词的情况判断。
邮件向量化。
字典大小是N&#