知一的指纹

朴素贝叶斯分类

版权声明: 本文为博主原创文章,发表自 知一的指纹。转载需向 我的邮箱 申请。

  1. 写在前面的话
  2. 数学原理
  3. 准备流程
  4. 贝叶斯分类器
  5. Laplace校准
  6. 商品标题分类
  7. 自提问解答
  8. 分类器总结

0. 写在前面的话

当我在写这篇文章的时候是在第二遍学习朴素贝叶斯分类算法了,后面或许还会有更多实践才能深刻的理解。
朴素贝叶斯是一种构建分类器的方法,其样本的每个特征之间都是互相独立的,这样我们可以通过多个特征对应的分类确定样本的所属分类的概率。

1. 数学原理

若一个样本有n个特征,分别用x1,x2,...xn表示,将其划分到yk的可能性
$$ P(yk|x1,x2,…xn)=P(yk)P(x1|yk) P(x2|yk)…P(xn|yk) $$


如果此文章能给您带来小小的提升,不妨小额赞赏我一下,以鼓励我写出更好的文章!
Noogel's WeChat Pay

微信打赏

Noogel's Alipay

支付宝打赏