首页 > 试题广场 >

问题：朴素贝叶斯（naive Bayes）法的要求是？

[问答题]

问题：朴素贝叶斯（naive Bayes）法的要求是？

添加回答
奶茶小王子头像 奶茶小王子
 朴素贝叶斯是基于贝叶斯定理和条件独立性假设的分类方法 。对于给定的训练数据集，首先基于特征条件独立性假设学习输入/输出的联合概率分布P(X,Y) (其中P(X,Y) = P(X|Y)P(Y))，然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率的最大的输出y。
发表于 2019-05-20 16:13:00 回复(0)
MuMaXu头像 MuMaXu

朴素贝叶斯面试总结

  1. 朴素贝叶斯与LR的区别？

简单来说：朴素贝叶斯是生成模型，根据已有样本进行贝叶斯估计学习出先验概率P(Y)和条件概率P(X|Y)，进而求出联合分布概率P(XY),最后利用贝叶斯定理求解P(Y|X)， 而LR是判别模型，根据极大化对数似然函数直接求出条件概率P(Y|X)；朴素贝叶斯是基于很强的条件独立假设（在已知分类Y的条件下，各个特征变量取值是相互独立的），而LR则对此没有要求；朴素贝叶斯适用于数据集少的情景，而LR适用于大规模数据集。

  1. 朴素贝叶斯“朴素”在哪里？

简单来说：利用贝叶斯定理求解联合概率P(XY)时，需要计算条件概率P(X|Y)。在计算P(X|Y)时，朴素贝叶斯做了一个很强的条件独立假设（当Y确定时，X的各个分量取值之间相互独立），即P(X1=x1,X2=x2,...Xj=xj|Y=yk) = P(X1=x1|Y=yk)P(X2=x2|Y=yk)...*P(Xj=xj|Y=yk)。

  1. 在估计条件概率P(X|Y)时出现概率为0的情况怎么办？

简单来说：引入λ，当λ=1时称为拉普拉斯平滑。

  1. 朴素贝叶斯的优缺点

优点：对小规模的数据表现很好，适合多分类任务，适合增量式训练。

缺点：对输入数据的表达形式很敏感（离散、连续，值极大极小之类的）。

转自于：https://blog.csdn.net/jingyi130705008/article/details/79464740

发表于 2019-04-19 15:28:05 回复(0)
牛客9649739号头像 牛客9649739号
https://zhuanlan.zhihu.com/p/474771480
发表于 2022-09-21 23:48:36 回复(0)
不会游泳的大鱼头像 不会游泳的大鱼

各类之间是独立同分布的


发表于 2019-04-19 00:28:55 回复(0)
提交观点

问题信息

上传者：小小
难度：
4条回答 4396浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号