AI 百科搜索 /

核心概念

朴素贝叶斯

在给定类别后特征条件独立的简化假设下，用类先验与类条件分布分类。

更新：Naive Bayes

简明解释

朴素贝叶斯（naive Bayes）把给定类别后的联合特征分布近似为各特征条件分布乘积，再结合类先验比较类别。条件独立通常是工作假设而非现实事实；分类可有用，输出概率仍可能失准，离散零频通常还需平滑。[1, §6.6.3, eq. (6.27)]

别和什么混淆

“朴素”指条件独立简化，不表示算法随意；它也不是可表达任意依赖的完整贝叶斯网络。

在本书中

见第10章：监督学习。

本页参考来源

  1. Hastie T, Tibshirani R, Friedman J. The Elements of Statistical Learning — Data Mining, Inference, and Prediction [M]. Springer, 2009. Second edition. 定位：§6.6.3, especially eq. (6.27). DOI；稳定来源（访问 ）。

相关概念