1、概率基礎

2、樸素貝葉斯介紹

概率基礎

概率定義為一件事情發生的可能性

聯合概率和條件概率

樸素貝葉斯-貝葉斯公式

拉普拉斯平滑

如果詞頻列表里面有很多出現次數都為0，則會導致計算結果為0。

sklearn樸素貝葉斯實現API

sklearn.naive_bayes.MultinomialNB

MultinomialNB

sklearn.naive_bayes.MultinomialNB(alpha = 1.0)樸素貝葉斯分類alpha：拉普拉斯平滑系數

樸素貝葉斯分類優缺點

優點：
樸素貝葉斯模型發源于古典數學理論，有穩定的分類效率。
對缺失數據不太敏感，算法也比較簡單，常用于文本分類。
分類準確度高，速度快

缺點：
需要知道先驗概率P(F1,F2,…|C)，因此在某些時候會由于假設的先驗
模型的原因導致預測效果不佳。

總結

以上是生活随笔為你收集整理的python人工智能——机器学习——分类算法-朴素贝叶斯算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。