朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集,首先基于“特征条件独立”的假设学习输入/输出的联合概率分布。然后基于此模型,对给定输入x,利用贝叶斯定理求后验概率最大的y。 朴素贝叶斯实现简单,学习与预测的效率都很高,是一种常用的方法。
开课|3月27晚8点ISU博士详解:k均值算法
全球人工智能
1+阅读 · 2018年3月26日
吴信东:数据挖掘算法的经典与现代
AI科技评论
3+阅读 · 2020年6月8日
基于概率论的分类方法:朴素贝叶斯
Python开发者
8+阅读 · 2017年11月9日
精心整理 | 绝对干货,你值的拥有!
机器学习算法与Python学习
0+阅读 · 2017年11月4日
重要的机器学习算法
云栖社区
1+阅读 · 2018年2月19日
【机器学习】机器学习算法梳理
产业智能官
0+阅读 · 2017年7月28日
人工智能之机器学习算法体系汇总
七月在线实验室
5+阅读 · 2018年6月16日
深度 | 结合Logistic回归构建最大熵马尔科夫模型
机器之心
4+阅读 · 2017年11月25日
【推荐】人工智能之机器学习算法体系汇总
机器学习研究会
1+阅读 · 2017年8月6日
一文读懂贝叶斯分类算法(附学习资源)
大数据文摘
12+阅读 · 2017年12月14日
一文轻松get朴素贝叶斯算法,以及女朋友
人工智能头条
5+阅读 · 2018年6月25日
参考链接
父主题
微信扫码咨询专知VIP会员