02_04 python机器学习_第二章监督学习_朴素贝叶斯分类器

第二章监督学习_朴素贝叶斯分类器

01 什么是朴素贝叶斯分类器

贝叶斯分类器也是一种线性模型,处理分类问题.
与之前学习过的 LogisticRegression 和 linearSVC相比,贝叶斯模型计算速度优于线性模型,泛化能力稍差.

02 贝叶斯模型分类

书中介绍3种

贝叶斯分类器名称	适用场合
GaussinaNB	数据样本中大多是连续数据
BernoulliNB	将数据变成2分类问题,有点像线性模型,现在还看不出来区别,学习后再总结
MultinomialNB	数据样本->计数统计

记忆技巧:
GaussinaNB :高斯纳 牛X
BernoulliNB: 伯努利 牛X

分类器的名字倒是能读出来,但让我拼写正确属实有些难度,所以建议大家再学习的时候尽量使用好一点的带函数提醒的IED.

03 伯努利算法算法说明

书上的例子:

import numpy as np

y = np.array([0, 1, 0, 1])
x = np.array([[0,1,0,1],[1,0,1,1],[0,0,0,1],[1,0,1,0]])

counts = {
   }
for label in np.unique(y