|
|
優點：在數據少的情況下仍然有效，可以處理多類別問題。
缺點：對于輸入數據的準備方式較為敏感。
適用數據類型：標稱型數據。
使用條件概率來分類
貝葉斯決策理論計算兩個概率p1(x,y)和p2(x,y)：
·如果p1(x,y) > p2(x,y)，那么屬于類別1；
·如果p2(x,y) > p1(x,y)，那么屬于類別2。具體的，應用貝葉斯準則得到：p(ci|x,y)=p(x,y|ci)P(ci)/p(x,y)
由統計學得知，如果每個特征需要N個樣本，那么對于10個特征將需要N10個樣本，對于包含1000個特征的詞匯表將需要N1000個樣本。可以看到，所需要的樣本數會隨著特征數目增大而迅速增長。如果特征之間相互獨立那么樣本數就可以減少到Nx1000。
樸素貝葉斯分類器的兩個假設：特征之間相互獨立；每個特征同等重要。（有瑕疵，需改進）
貝葉斯分類模型：
貝葉斯分類器：
注意點：各特征量值很有可能接近于0，用1+p(w|c)來解決。
|
|
QQ好友和群
QQ空間
騰訊微博
騰訊朋友
收藏
淘帖
頂
踩
