机器学习 |
您所在的位置:网站首页 › 贝叶斯神经网络模型 › 机器学习 |
问:高斯朴素贝叶斯假设离散特征的取值符合高斯分布。 答:错误。高斯朴素贝叶斯假设连续特征的取值符合高斯分布,而不是离散特征。对于离散特征,通常使用多项式朴素贝叶斯或伯努利朴素贝叶斯进行分类。 在 sklearn 库中,基于贝叶斯定理的算法集中在 sklearn.naive_bayes 包中,根据对“似然度”计算方法的不同,将朴素贝叶斯大致分为三种: 多项式朴素贝叶斯(MultinomialNB)、伯努利分布朴素贝叶斯(BernoulliNB)、高斯朴素贝叶斯(GaussianNB)。值得注意的是,朴素贝叶斯算法的实现是基于假设而来,在朴素贝叶斯看来,特征之间是相互独立、互不影响的。 高斯朴素贝叶斯适用于特征呈正态分布的,多项式贝叶斯适用于特征是多项式分布的,伯努利贝叶斯适用于二项分布。
Sklearn基于这些分布以及这些分布上的概率估计的改进,为我们提供了四个朴素贝叶斯的分类器
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |