本文主要是介绍NLP--朴素贝叶斯,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
1.在很多时候,我们不能像抛硬币一样通过客观性的方式来得到正反面的概率,而是常常遇到主观性的概率时,我们就不得不提及贝叶斯学派。贝叶斯概率是一种对概率的解释。概率被解释为代表一种具备某种知识状态的合理预期。因此,贝叶斯原理更符合人们的认知习惯。
2.朴素表示假设样本的特诊之间是相互独立的。它最大的一个优势是基于少量数据就可以进行训练。
3.分类
(1)多项式朴素贝叶斯适合特诊属于类别的数据。(2)高斯朴素贝叶斯适合特征属于连续性的数据,其中假设不同特诊下的数据符合正态分布。
(3)伯努利朴素贝叶斯假设特征数据服从于0,1二分类的情况。
这篇关于NLP--朴素贝叶斯的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!