HCIE-BigData之机器学习——朴素贝叶斯算法知识点

朴素贝叶斯

   思想：

        假设特征与特征之间相互独立，根据先验概率计算后验概率，计算出样本假设作为每一个类别的概率，取概率最大的类别作为样本的类别。

   相关概念：

    朴素：独立性假设。
    贝叶斯：贝叶斯公式。

    优点：

    1.容易实现
    2.对小规模的数据表现好
    3.对缺失数据不太敏感

    缺点：

    1.算法成立的前提是假设各属性之间相互独立。当数据集满足这种独立性假设时，
    分类准确度较高。而实际领域中，数据集可能并不完全满足独立性假设。
    2.需要计算先验概率。