朴素贝叶斯分类器

在机器学习中，朴素贝叶斯分类器是一系列以假设特征之间强（朴素）独立下运用贝叶斯定理为基础的简单概率分类器。朴素贝叶斯自20世纪50年代已广泛研究。在20世纪60年代初就以另外一个名称引入到文本信息检索界中，并仍然是文本分类的一种热门（基准）方法，文本分类是以词频为特征判断文件所属类别或其他（如垃圾邮件、合法性、体育或政治等等）的问题。通过适当的预处理，它可以与这个领域更先进的方法（包括支持向量机）相竞争。它在自动医疗诊断中也有应用

精品内容

【干货】监督学习知识手册大全|维基百科书，附103页pdf下载

专知会员服务

68+阅读 · 2019年12月5日

【综述】关键词生成，附10页pdf论文下载

专知会员服务

52+阅读 · 2019年11月20日

参考链接

父主题

贝叶斯理论

微信扫码咨询专知VIP会员

Top