zoukankan      html  css  js  c++  java
  • python人工智能——机器学习——分类算法朴素贝叶斯算法

    1、概率基础

    2、朴素贝叶斯介绍

    概率基础

    概率定义为一件事情发生的可能性

    联合概率和条件概率

    在这里插入图片描述

    朴素贝叶斯-贝叶斯公式

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    拉普拉斯平滑

    如果词频列表里面有很多出现次数都为0,则会导致计算结果为0。
    在这里插入图片描述

    sklearn朴素贝叶斯实现API

    sklearn.naive_bayes.MultinomialNB
    

    MultinomialNB

    sklearn.naive_bayes.MultinomialNB(alpha = 1.0)
    	朴素贝叶斯分类
    	alpha:拉普拉斯平滑系数
    

    朴素贝叶斯分类优缺点

    优点:
    朴素贝叶斯模型发源于古典数学理论,有稳定的分类效率。
    对缺失数据不太敏感,算法也比较简单,常用于文本分类。
    分类准确度高,速度快

    缺点:
    需要知道先验概率P(F1,F2,…|C),因此在某些时候会由于假设的先验
    模型的原因导致预测效果不佳。

  • 相关阅读:
    OpenJDK: How to backport patches
    C2 Basis
    大页和透明大页
    Partial Escape Analysis Notes
    C2 Split If
    PrintClassLoaderDataGraphAtExit
    Kubernetes存储(二)
    KubernetesAPI Server
    Kubernetes存储(一)
    Docker多机网络
  • 原文地址:https://www.cnblogs.com/AlexKing007/p/12339396.html
Copyright © 2011-2022 走看看