朴素贝叶斯_CDA答疑社区

809669515

2018-10-31 阅读量: 1020

朴素贝叶斯

朴素贝叶斯分类器基于贝叶斯定理，具有预测变量之间的独立假设。朴素贝叶斯模型易于构建，没有复杂的迭代参数估计，这使得它对于非常大的数据集特别有用。尽管朴素贝叶斯分类器简单，但它通常表现出色，并且被广泛使用，因为它通常优于更复杂的分类方法。

算法

贝叶斯定理提供了计算后验概率，的一种方法P（C ^ | X），从P（Ç），P（X），和P（X | C）。朴素贝叶斯分类器假设预测变量（x）的值对给定类（c）的影响与其他预测变量的值无关。这种假设称为类条件独立性。

P（c | x）是给定预测器（属性）的类（目标）的后验概率。

P（C ^）是先验概率类。

P（x | c）是给定类别的预测概率的似然性。

P（x）是预测器的先验概率。

在ZeroR模型中没有预测器，在OneR模型中我们试图找到单个最佳预测器，朴素贝叶斯包括使用贝叶斯规则的所有预测器和预测器之间的独立假设。

0.0000

关注作者

发表评论

暂无数据

CDA考试动态

CDA报考指南

推荐帖子