7.1 朴素贝叶斯法
7.1.1 朴素贝叶斯法简介
朴素贝叶斯(naive Bayes)法是一种基于概率的机器学习算法。它基于贝叶斯定理,并假设特征之间相互独立(这就是“朴素”的来源)。朴素贝叶斯法实现简单,学习与预测的效率都很高,是一种常用方法,在许多场景下表现得非常好,如文本分类(垃圾邮件检测)、情感分析等。
朴素贝叶斯法的核心是贝叶斯定理:
![图片[1]-第 7 章 其他监督学习算法-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-123.png)
7.1.2 极大似然估计
![图片[2]-第 7 章 其他监督学习算法-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-124.png)
7.1.3 贝叶斯估计
![图片[3]-第 7 章 其他监督学习算法-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-125.png)
7.1.4 学习与分类过程
![图片[4]-第 7 章 其他监督学习算法-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-126.png)
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END

朴素贝叶斯(naive Bayes)法是一种基于概率的机器学习算法。它基于贝叶斯定理,并假设特征之间相互独立(这就是“朴素”的来源)。朴素贝叶斯法实现简单,学习与预测的效率都很高,是一种常用方法,在许多场景下表现得非常好,如文本分类(垃圾邮件检测)、情感分析等。
朴素贝叶斯法的核心是贝叶斯定理:
![图片[1]-第 7 章 其他监督学习算法-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-123.png)
![图片[2]-第 7 章 其他监督学习算法-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-124.png)
![图片[3]-第 7 章 其他监督学习算法-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-125.png)
![图片[4]-第 7 章 其他监督学习算法-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-126.png)
请登录后查看评论内容