- 使用 Python 进行机器学习
- 家
- 基本
- Python生态系统
- 机器学习方法
- ML 项目的数据加载
- 通过统计了解数据
- 通过可视化了解数据
- 准备数据
- 数据特征选择
- 机器学习算法 - 分类
- 介绍
- 逻辑回归
- 支持向量机（SVM）
- 决策树
- 朴素贝叶斯
- 随机森林
- 机器学习算法 - 回归
- 随机森林
- 线性回归
- 机器学习算法 - 聚类
- 概述
- K均值算法
- 均值平移算法
- 层次聚类
- ML 算法 - KNN 算法
- 寻找最近的邻居
- 性能指标
- 自动工作流程
- 提高机器学习模型的性能
- 提高 ML 模型的性能（续……）
- 使用 Python 进行机器学习 - 资源
- 使用 Python 进行机器学习 - 快速指南
- 使用 Python 进行机器学习 - 资源
- 使用 Python 进行机器学习 - 讨论
分类算法 - 朴素贝叶斯
朴素贝叶斯算法简介
朴素贝叶斯算法是一种基于应用贝叶斯定理的分类技术，并强烈假设所有预测变量彼此独立。简而言之，假设类中某个特征的存在独立于同一类中任何其他特征的存在。例如，如果一部手机具有触摸屏、互联网设施、良好的相机等，则可以被认为是智能手机。尽管所有这些功能相互依赖，但它们独立地影响该手机是智能手机的概率。
在贝叶斯分类中，主要兴趣是找到后验概率，即给定一些观察到的特征的标签的概率，