知识卡片
特征类型决定贝叶斯变体
MultinomialNB 适合词频等非负计数型输入,BernoulliNB 表达有或无,GaussianNB 用类条件高斯分布建模连续特征。同样可调用 fit 和 predict,选择时应先理解特征如何生成。
[[条件独立分解似然]]。输入特征类型决定采用哪一种类条件分布。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 6.3 在Python中使用朴素贝叶斯分类算法 · 查看原书依据
于本文主要介绍的多项式朴素贝叶斯(Multinomial Naive Bayes),该类在naive_bayes包中为MultinomialNB。除此之外,还包括伯努利分布朴素贝叶斯的类Bernoull
参考来源
- 位置:《机器学习算法的数学解析与Python实现》6.3 在Python中使用朴素贝叶斯分类算法(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00068.html`)
- 结论依据:本节按似然估计方法列出三种常见变体。
- 原始内容:于本文主要介绍的多项式朴素贝叶斯(Multinomial Naive Bayes),该类在naive_bayes包中为MultinomialNB。除此之外,还包括伯努利分布朴素贝叶斯的类Bernoull