朴素贝叶斯法
2016-10-23 13:05:13 0 举报AI智能生成
朴素贝叶斯法是一种基于概率论的分类算法，它假设特征之间相互独立。通过计算每个类别下各个特征的条件概率，来确定一个样本属于哪个类别。朴素贝叶斯法具有简单、快速、鲁棒性强等优点，适用于文本分类、垃圾邮件过滤等任务。
作者其他创作
大纲/内容
朴素贝叶斯法
分支主题
定义
对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y
适用问题
多类分类
模型
特点
特征与类别的联合概率分布
基本假设
条件独立性(使算法变得简单，但会牺牲一定的分类准确率)
类型
生成模型
策略
极大似然估计
极大后验概率估计
损失函数
对数似然损失
算法
概率计算公式
EM算法
0 条评论
下一页
