朴素贝叶斯 Naive Bayes 发布日期 3 个月前 标签 贝叶斯 朴素贝叶斯是基于概率理论的分类算法,其依据贝叶斯公式,可对每个类别出现的概率进行预测分类。其解决思路是:依据类别中各个特征出现的概率,将待分类项归在所有特征出现概率最大的那一类。 朴素贝叶斯特性 使用朴素贝叶斯的前提条件是:待分类的特征同等重要,相互之间没有关联。 优点: 学习和预测效率高,有稳定的分类效率且易于实现;在数据较少的情况下仍然有效,可处理多分类问题;只要变量独立这个条件成立,朴素贝叶斯分类器性能最优;比其他分类方法具有最小的误差率。 缺点: 分类效果不是特别好;特征独立性假设会使朴素贝叶斯变得简单,但是会牺牲一定的分类准确率;实际中难以满足独立条件假设;如果分类变量的类别没有在训练数据集总被观察到,会无法进行预测。 应用场景及实践 朴素贝叶斯通常有两种实现方式:基于伯努利模型、基于多项式模型。 朴素贝叶斯的应用主要有: 实时预测多类预测文本分类 / 垃圾邮件过滤 / 情感分析推荐系统 朴素贝叶斯的思路 朴素贝叶斯法要做的是计算出 x 归属于哪一个类别 y ,过程如下: 设 为一个待分类项,每一个 为 的特征属性;要进行归类的类别是集合 ;算出 归于 的概率: ;如果 ,那么 被归类在 中。 相关词 :朴素贝叶斯分类器 相关百科推荐 近似贝叶斯计算 Approximate Bayesian computation 4 个月前 近似贝叶斯计算是一种基于贝叶斯统计的方法,主要用于估计模型参数的后验分布。 似然函数在基于模型的统计推断中十分重要,但在复杂模型中,相关计算的成本可能较高,近似贝叶斯计算基于模拟产生资料的方式,以逼近似然函数的效果。这种方法在数学上有根据,但不可避免要做出假设和近似推断。 近几年… 朴素贝叶斯分类器 Naive Bayes Classifier 3 个月前 朴素贝叶斯分类器是一种条件概率分类器,其基于朴素贝叶斯分类。 朴素贝叶斯分类器特点 朴素贝叶斯是一种构建分类器的简单方法,该模型会给问题实例分配特征值表示的类标签,其取自有限集合,它不是训练这种分类器的单一算法,而是一系列基于相同原理的算法,所有朴素贝叶斯分类器都假定样本特征与其… 半朴素贝叶斯分类器 Semi-naive Bayes classifiers 6 个月前 半朴素贝叶斯分类器是考虑一部分属性间的相互依赖关系下的分类方式,是朴素贝叶斯分类器特征相互独立难以满足时的一种放松策略。 半朴素贝叶斯分类器最常用的策略:假定每个属性仅依赖于其他最多一个属性,称其依赖的这个属性为其超父属性,这种关系称为:独依赖估计( ODE )。 数学形式上的变…