[博学谷学习记录] 超强总结，用心分享|人工智能机器学习朴素贝叶斯知识复习总结分享

目录

1.1 朴素是指什么

1.2 朴素贝叶斯的优缺点

1.3 朴素”是朴素贝叶斯在进行预测时候的缺点，那么有这么一个明显的假设缺点在，为什么朴素贝叶斯的预测仍然可以取得较好的效果？

1.4 什么是拉普拉斯平滑法?

1.5 朴素贝叶斯中有多少种模型

1.6 贝叶斯分类器的应用场景

1.7 朴素贝叶斯对异常值敏感吗

---

1.1 朴素是指什么

“朴素”是假设了特征之间是相互独立的，但是在我们的现实社会中，属性之间并不是都是互相独立的，有些属性也会存在性，所以说朴素贝叶斯是一种很“朴素”的算法。

1.2 朴素贝叶斯的优缺点

朴素贝叶斯的优点：起源于古典数学理论，分类效率稳定；对缺失数据不太敏感；分类准确度高速度快；能处理多分类任务。

缺点：一方面，对训练数据的依赖性很强，如果训练数据误差较大，那么预测出来的效果就会不佳。另一方面，由于属性特征的独立性假设，会使得部分特征相关的情况下性能不是很好。