朴素贝叶斯分类器
- 1、分类概念
- 2、朴素贝叶斯分类
-
- 2.1 贝叶斯定理
- 2.2 极大后验假设
- 2.3 多维属性的联合概率
- 2.4 独立性假设
- 3、贝叶斯分类案例
- 4、连续数据如何求概率
- 5、朴素贝叶斯分类器的特点
- 6、贝叶斯算法实现鸢尾花分类
-
- 6.1 鸢尾花介绍
- 6.2 分类代码
1、分类概念
分类是找出描述和区分数据类或概念的模型，以便使用模型预测类标号未知的对象类标号。
分类一般分为两个阶段：
- 学习阶段：
- 建立描述预先定义的数据类或概念集的分类器。
- 训练集提供了每个训练元组的类标号，分类的学习过程也称为监督学习。
- 分类阶段：使用定义好的分类器进行分类的过程。
分类与预测是不同的概念，分类是预测分类(离散、无序)标号，而数值预测是建立连续值函数模型。分类与具类也是不同的概念，分类是
