朴素贝叶斯算法解析-机器学习实战（python）_机器学习朴素高斯分布python实现依据每个属性的类条件概率(c|y)计算类条件概率p(x

作者：小舞很执着 | 2024-07-24 15:35:35

踩

机器学习朴素高斯分布python实现依据每个属性的类条件概率(c|y)计算类条件概率p(x

一、朴素贝叶斯算法详解

朴素贝叶斯算法的关键就是这个朴素贝叶斯公式

朴素贝叶斯算法适用于文本分类，最后是要知道，这个文本属于每一个类别的概率，属于哪一个类别的概率最大，就是属于那个类别

所以现在y是类别标签是下面的classVec，x是他的特征属性，就是下面的postingList，

这个公式的精华在于假设每个属性之间是相互独立的所以才有了下面的公式

二、算法的实际计算

条件概率p(x|y)的计算吗，当他是离散值的时候，很容易就是计算出来的他的概率，也就是p（x|y）,x中的每个特征的p(x|y)相加

当特征属性为连续值时，通常假定其值服从高斯分布（也称正态分布）。即：

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小舞很执着/article/detail/875568