<机器学习实战>读书笔记--朴素贝叶斯
2024-08-21 03:47:10
1.朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法，
最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBM）
2.朴素贝叶斯公式
P(B|A)的意思是在A事件的情况下，发生B事件的概率。
3.朴素贝叶斯模型
a是独立的特征属性集合：
用来计算不同的独立特征的条件概率
最新文章
- php杂记（一）
- js的回调函数 一些例子
- window通过mstsc远程连接其它计算机
- Javascript中函数及变量定义的提升
- 一种json生成html的思路
- jQuery Easing 动画效果扩展 ,全屏滚动案例
- ThinkPHP CURD方法盘点：limit方法
- 使用Web Application Stress Tool 进行压力测试
- Ignatius and the Princess II（全排列）
- NTP工作机制及时间同步的方法
- IP地址、子网掩码详解
- C#中MessageBox.Show()方法详解
- 使用OpenCV训练Haar like+Adaboost分类器的常见问题
- string::npos的一些说明
- 非线性规划带约束-scipy.optimize.minimize
- python爬虫提取冰与火之歌五季的种子
- js解决下拉列表框互斥选项的问题
- PyCharm的使用
- 深圳scala-meetup-20180902（1）- Monadic 编程风格
- 随机生成n个不重复的数，范围是2-32，并让其在新页面打开