、
朴素贝叶斯算法
输入：训练数据T＝{(x1，y1),(x2,y2),…,(xN,yN)}，
输出：X的分类
- 计算先验概率及条件概率
- 计算朴素贝叶斯概率
- 选择概率最大的类
拉普拉斯平滑（Laplace smoothing）
朴素贝叶斯两大假设
条件独立假设用于分类的特征在类确定的条件下都是条件独立的。所以有：
本文共 209 字，大约阅读时间需要 1 分钟。
、
朴素贝叶斯算法
输入：训练数据T＝{(x1，y1),(x2,y2),…,(xN,yN)}，
输出：X的分类
拉普拉斯平滑（Laplace smoothing）
朴素贝叶斯两大假设
条件独立假设用于分类的特征在类确定的条件下都是条件独立的。所以有：
转载于:https://www.cnblogs.com/LauenWang/p/4562153.html