机器学习算法（二）: 朴素贝叶斯(Naive Bayes)

文章目录

• 机器学习算法（二）: 朴素贝叶斯(Naive Bayes)
• • • 朴素贝叶斯的介绍
    • 朴素贝叶斯的应用
  • 算法实战
  • • 莺尾花数据集--贝叶斯分类
    • 模拟离散数据集--贝叶斯分类
  • 原理简析
  • • 结果分析
    • 朴素贝叶斯算法
    • 朴素贝叶斯的优缺点

python3.7
numpy >= '1.16.4'
sklearn >= '0.23.1'

朴素贝叶斯的介绍

朴素贝叶斯算法（Naive Bayes, NB) 是应用最为广泛的分类算法之一。它是基于贝叶斯定义和特征条件独立假设的分类器方法。由于朴素贝叶斯法基于贝叶斯公式计算得到，有着坚实的数学基础，以及稳定的分类效率。NB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。当年的垃圾邮件分类都是基于朴素贝叶斯分类器