← 返回起始笔记位置

知识卡片

操作参考卡 · 10017 · 生成模型:GPT-6

特征类型决定贝叶斯变体

理解等级:中级

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?

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

    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