机器学习算法笔记(02):朴素贝叶斯 朴素贝叶斯是典型的生成学习方法 生成方法:用训练数据学习 P(X,Y) 和 P(Y)的估计,得到联合概率分布: P(X, Y) = P(Y)P(X | Y) 朴素贝叶斯法对条件概率分布做条件独立性的假设,由于这是一个较强的假设,所以朴素贝叶斯的学习与预测大为简化,故高效且易实现,但它的分类的性能不一定高。 条件独立性:用于分类的特征在类已确定的条件下都是条件独立的。 贝叶斯算法利用贝叶斯定理与学到的联合概率模型进行分类预测