版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/ZK_J1994/article/details/81334288
-
朴素贝叶斯的假设（条件独立假设：在同一类别下各属性独立同分布）
-
决策函数（最大后验概率 = 条件概率 * 先验 / 归一化因子，theta代表类别）
-
连续属性如何处理（对属性引入分布，如高斯分布，求该属性下不同类别的方差，均值，再求概率）
-
拉普拉斯平滑（防止属性类别不够充分，使预测值变成了0）
机器学习面试—朴素贝叶斯
猜你喜欢
转载自blog.csdn.net/ZK_J1994/article/details/81334288
今日推荐
周排行