CategoricalNB 1 CategoricalNB原理以及用法2 数据集2.1 西瓜数据集2.2 LabelEncoder2.3 OrdinalEncoder 3 代码实现 1 CategoricalNB原理以及用法 (1)具体原理 具体原理可看:贝叶斯分类器原理 sklearn之CategoricalNB对条件概率的原理如下: P ( x i = k ∣ y ) =
自我学习记录一下、mark 在所有的机器学习分类算法中,朴素贝叶斯和其他绝大多数的分类算法都不同。对于大多数的分类算法,比如决策树,KNN, 逻辑回归,支持向量机等,他们都是判别方法,也就是直接学习出特征输出 Y 和特征 X 之间的关系,要么是决策函数 $Y=f (X)$, 要么是条件分布 $P (Y|X)$。但是朴素贝叶斯却是生成方法,也就是直接找出特征输出 Y 和特征 X 的联合分布 $P