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
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
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
【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
机器学习算法中的概率方法
AI科技评论
1+阅读 · 2019年3月17日
数据科学中的6个基本算法,掌握它们要学习哪些知识
算法与数学之美
2+阅读 · 2019年9月11日
【深度】从朴素贝叶斯到维特比算法:详解隐马尔科夫模型
算法与数学之美
7+阅读 · 2017年11月25日
朴素贝叶斯分类
图灵教育
2+阅读 · 2018年7月2日
朴素贝叶斯分类器入门
论智
2+阅读 · 2017年11月18日
不可不知的数据科学入门数学指南
机器之心
1+阅读 · 2019年8月18日
参考链接
微信扫码咨询专知VIP会员