數(shù)據(jù)挖掘十大經(jīng)典算法系列，點擊鏈接直接跳轉(zhuǎn)：

• 數(shù)據(jù)挖掘簡介及十大經(jīng)典算法（大綱索引）
• 1. 數(shù)據(jù)挖掘十大經(jīng)典算法之——C4.5 算法
• 2. 數(shù)據(jù)挖掘十大經(jīng)典算法之——K-Means 算法
• 3. 數(shù)據(jù)挖掘十大經(jīng)典算法之——SVM 算法
• 4. 數(shù)據(jù)挖掘十大經(jīng)典算法之——Apriori 算法
• 5. 數(shù)據(jù)挖掘十大經(jīng)典算法之——EM 算法
• 6. 數(shù)據(jù)挖掘十大經(jīng)典算法之——PageRank 算法
• 7 數(shù)據(jù)挖掘十大經(jīng)典算法之——AdaBoost 算法
• 8. 數(shù)據(jù)挖掘十大經(jīng)典算法之——KNN 算法
• 9. 數(shù)據(jù)挖掘十大經(jīng)典算法之——Naive Bayes 算法
• 10. 數(shù)據(jù)挖掘十大經(jīng)典算法之——CART 算法

簡介

樸素貝葉斯法是基于貝葉斯定理與特征條件獨立假設(shè)的分類方法。算法的基礎(chǔ)是概率問題，分類原理是通過某對象的先驗概率，利用貝葉斯公式計算出其后驗概率，即該對象屬于某一類的概率，選擇具有最大后驗概率的類作為該對象所屬的類。樸素貝葉斯假設(shè)是約束性很強的假設(shè)，假設(shè)特征條件獨立，但樸素貝葉斯算法簡單，快速，具有較小的出錯率。

在樸素貝葉斯的應(yīng)用中，主要研究了電子郵件過濾以及文本分類研究。

總結(jié)

以上是生活随笔為你收集整理的数据挖掘十大经典算法之——Naive Bayes 算法的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。