DS&ML 分类算法笔记：朴素贝叶斯模型

其他相关文章

DS&ML_关联分析笔记
DS&ML_分类算法笔记之支持向量机SVM模型
DS&ML_分类算法笔记之随机森林与提升树XGBoost模型
DS&ML_分类算法笔记之k近邻与KD树模型
DS&ML_降维算法笔记之主成分分析PCA模型
DS&ML_聚类算法笔记之k均值模型
DS&ML_分类算法笔记之决策树模型
DS&ML_分类算法笔记之逻辑回归模型

对于朴素贝叶斯模型的相关知识点的总结与整理

简单描述一下朴素贝叶斯的思想，朴素贝叶斯是什么？

该方法属于一类分类技术；它作为其中一种形式存在；而这些分类技术则都建立在贝叶斯定理的基础上。

与一般贝叶斯分类器的区别

• 被归类为贝叶斯分类器的所有基于贝叶斯理论的分类器都被视为属于该类别。
• 朴素贝叶斯假定条件概率满足类条件独立性这一前提（即假定给定类别下各特征之间相互独立），这一强加的前提（具有较大影响）使得其成为一种经典的统计学习方法。

朴素贝叶斯的核心在于计算在给定对象中各类别可能性的基础上，并从中选出具有最高概率的目标类进行归类。

为什么称为“朴素”？

• 朴素方法之所以具有较高的运算性能是因为它通过提升了计算效率实现了这一目标。
  • 举例来说：设特征可能的不同取值共有N种情况，在每