《数据挖掘》国防科技大学
《数据挖掘》青岛大学
贝叶斯分类基于贝叶斯定理,是机器学习的核心方法之一。
目前研究较多的贝叶斯分类器主要有四种:
- 朴素贝叶斯分类器(Naive Bayes Classifier,或 NBC)
- TAN
- BAN
- GBN
数据挖掘之朴素贝叶斯分类
• 朴素贝叶斯分类器有坚实的数学基础,以及稳定的分类效率。同时,此模型所需估
计的参数很少,对缺失数据不太敏感,算法也比较简单。
贝叶斯定理
最终的目标就是求得p(类别|特征) 。
• 朴素贝叶斯中的朴素就是假设各特征之间相互独立。
工作过程
优缺点
- 优点:
(1)逻辑简单、易于实现、分类过程中算法的时间空间开销比较小;
(2)算法比较稳定、具有比较好的健壮性 - 缺点:有属性间条件独立的这个假定,而很多实际问题中这个独立性假设并不成立,如果在属性间存在相关性的实际问题中忽视这一点,会导致分类效果下降。
补充
来自:白板推导笔记