本文介绍: 伯努利朴素贝叶斯和多项式朴素贝叶斯应用在文本分类时区别较大，详情可以参考：https://zhuanlan.zhihu.com/p/96007193。适用于连续变量，其假定各个特征在各个类别下服从正态分布，通过训练集估计正态分布的参数。适用于离散变量，其假设各个特征在各个类别下是服从多项式分布的，每个特征值不能是负数。适用于离散变量，假设各变量取值只有0、1两种，因此首先要对特征值进行二值化处理。由于朴素贝叶斯学习到了联合概率分布，因此为生成模型。朴素贝叶斯是基于贝叶斯定理与特征条件独立假设的分类方法。
-
什么是朴素贝叶斯
朴素贝叶斯是基于贝叶斯定理与特征条件独立假设的分类方法。
给定训练集 T = ( x 1 , y 1 ) , ( x 2 , y 2 ) ,
原文地址:https://blog.csdn.net/Runnymmede/article/details/135517917
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_56062.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
