朴素贝叶斯分类器的输入变量一般是分类变量,如果有连续变量,则需要做离散化处理。
朴素贝叶斯分类器一般用来过滤垃圾邮件、汽车保险领域欺诈检测等。下面的例子用来预测员工是否会注册(Enrolls)一个教育项目。
该分类器要求各输入变量属性之间是相互独立的,它对于关联变量是很敏感的,因为这个算法会重复计算其影响。比如收入和信用之间不是条件独立的,因为低收入和低信用的人往往会拖欠债务,算法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。
Naive Bayes 朴素贝叶斯
Probability 概率
Category 分类
c1,c2,c3 表示几种结论
Attribute 属性
a1,a2,a3
a1有多个离散值
Laplace smoothing 拉普拉斯平滑
discretization of continuous variable
连续变量的离散化
领取专属 10元无门槛券
私享最新 技术干货