【机器学习】图解朴素贝叶斯

文章预览

在众多机器学习分类算法中，本篇我们提到的朴素贝叶斯模型，和其他绝大多数分类算法都不同，也是很重要的模型之一。 在机器学习中如KNN、逻辑回归、决策树等模型都是判别方法，也就是直接学习出特征输出 和特征 之间的关系（决策函数 或者条件分布 ）。但朴素贝叶斯是生成方法，它直接找出特征输出 和特征 的联合分布 ，进而通过 计算得出结果判定。 朴素贝叶斯是一个非常直观的模型，在很多领域有广泛的应用，比如早期的文本分类，很多时候会用它作为 baseline 模型，本篇内容我们对朴素贝叶斯算法原理做展开介绍。 1.朴素贝叶斯算法核心思想 贝叶斯分类是一类分类算法的总称 ，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而 朴素贝叶斯（Naive Bayes）分类是贝叶斯分类中最简单，也是常见的一种分类方法 。 朴素贝叶斯算 ………………………………