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。
优秀的数据科学家不会创造复杂的模型
AI前线
0+阅读 · 2022年5月26日
机器学习面试概念重点汇总
深度学习自然语言处理
1+阅读 · 2020年11月1日
27场机器学习面试后,来划个概念重点吧
机器之心
0+阅读 · 2020年10月25日
【干货书】Python数据科学入门,464页pdf
专知
0+阅读 · 2020年9月20日
这点爱好,竟让我过了头条一面!
CVer
0+阅读 · 2020年7月21日
划重点!这80道算法题,想拿大厂Offer的你别漏了
计算机视觉life
0+阅读 · 2020年7月9日
80道AI算法高频面试题,就业季工作不难找
计算机视觉life
3+阅读 · 2020年6月19日
一文看尽80道AI算法高频面试题
CVer
6+阅读 · 2020年6月17日
NLP重剑篇之逻辑回归与条件随机场
AINLP
1+阅读 · 2020年6月15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
参考链接
父主题
微信扫码咨询专知VIP会员