← 返回卡片

原书出处

数据科学与大数据分析 数据的发现 分析 可视化与表示

07 第7章 高级分析理论与方法:分类

第1版 · 核验版本的摘录快照 · 导入于 2026-11-18T18:41:59.829Z

一些缺点。朴素贝叶斯需要假定数据变量之间是条件独立的。因此,它对于关联变量是很敏感的,因为这个算法可能会重复计算其影响。

作为一个例子,假定低收入和低信用的人往往会拖欠债务。如果要基于收入和信用作为两个独立的属性来计算“拖欠”,朴素贝叶斯可能会重复计算收入和信用对于拖欠结果的效应,从而降低预测的准确性。

虽然概率作为预测结果的一部分提供,但是朴素贝叶斯分类器在概率估计上通常并不可靠,而应该仅用于分配类的标签。朴素贝叶斯的

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0017_split_002.html

EPUB SHA-256:e4a4df0364edbfdf609c07ab4449f2148ede4291cdfba8b2a6ffdc51e7b6c9b7