| description |
|---|
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）。 |
-
条件概率贝叶斯法则：
****
-
公式
Vnb =arg max P( Vj ) Π i P ( ai | Vj )
-
特点
- 朴素贝叶斯分类器基于一个简单的假定：给定目标值时属性之间相互条件独立
- 基于概率的预测
- 所需参数较少
- 对缺失数据不敏感
- 理论误差小，实际误差大，因为NBC模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，这给NBC模型的正确分类带来了一定影响。
参考文献