朴素贝叶斯
朴素贝叶斯概述**朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。**对于给定的训练数据集,首先基于特征条件独立假设学习输入输出的联合概率发布;然后基于此模型,对给定的输入xxx,利用贝叶斯定理求出厚颜概率最大的输出yyy。朴素贝叶斯法实现简单,学习与预测的效率都很高,是一种常用的方法思想:朴素贝叶斯假设(条件独立性假设)最简单的概率图模型推导设输入空间X⊆Rn\mathcal{X}\subseteq\Bbb{R}^nX⊆Rn为nnn维向量的集合,输出空间为类标记集合Y={c1,c2,⋯
原创
2020-09-01 10:34:10 ·
88 阅读 ·
0 评论