单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级朴素贝叶斯 结 构贝叶斯理论贝叶斯分类器 Ω={A1×A2×...×Am}是由所有未知类别的可能样本组成的集合 Ωc={A1×A2×...×Am×C}是由所有已知类别的样本组成的集合D Ωc是训练样例集合 Ω中的元素x表示为x = <a1a2 …am> Ωc中的元素x表示为x = <a1a2 …am
单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级朴素贝叶斯分类器决策树神经网络最近邻方法之外最实用的学习方法适用性: 中等或大规模数据学习 实例属性有条件地独立于给定分类成功应用 故障诊断 文本分类 朴素贝叶斯分类器假定目标函数:样例属性:最可能的分类值为:朴素贝叶斯分类器朴素贝叶斯假定:得到贝叶斯分类器:各属性分类结果独立朴素贝叶斯分类算法朴素贝叶斯学习