机器学习算法之朴素贝叶斯理论.docxVIP

朴素贝叶斯(Naive Bayesian Mode 朴素贝叶斯(Naive Bayesian Mode ， NBM 贝叶斯由来 贝叶斯是由英国学者托马斯?贝叶斯 提出的一种纳推理的理论，后来发展 为一种系统的统计推断方法。被称为贝叶斯方法。 朴素贝叶斯 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。优点是 在数据较少的情况下仍然有效，可以处理多类别的问题。缺点是对于输入 数据的装备方式较为敏感。适用于标称型的数据。 特征条件独立：假设 X的N个特征在类确定的条件下都是条件独立的。 这样大大简化了计算的复杂度，但是会牺牲一些准确性。 标称型数据：只在有限目标集中取值，比如真与