机器学习-朴素贝叶斯分类

朴素贝叶斯分类

思想
贝叶斯学派思想可以概括为:先验概率+实验数据=后验概率。
贝叶斯分类方法是一种基于统计学思想的方法。

应用

  • 垃圾邮箱分类
  • 高危用户分类
  • 目标客户分类

原理
机器学习-朴素贝叶斯分类
机器学习-朴素贝叶斯分类
实例
机器学习-朴素贝叶斯分类
由未知向已知转化机器学习-朴素贝叶斯分类
机器学习-朴素贝叶斯分类
条件独立性假设机器学习-朴素贝叶斯分类
机器学习-朴素贝叶斯分类
机器学习-朴素贝叶斯分类
机器学习-朴素贝叶斯分类
后验概率最大化等价推导机器学习-朴素贝叶斯分类
机器学习-朴素贝叶斯分类
算法流程
机器学习-朴素贝叶斯分类

朴素贝叶斯分类器性能

  • 优点:对于小规模数据表现很好,适用于多分类任务和增量式训练。
  • 缺点:对输入数据表现形式很敏感。