朴素贝叶斯法.pdf
朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法[1]。最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBM）。和决策树模型相比，朴素贝叶斯分类器(Naive Bayes Classifier,或 NBC)发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此，这是因为NBC模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，这给NBC模型的正确分类带来了一定影响。
文件下载
评论信息
其他资源
- 图片下载工具-八爪鱼采集器插件
- comct232.ocx系统文件
- 基于Java的图书馆管理系统的设计毕业论文
- usb-blaster
- dw2xls(pb12.5版本)
- 2020年最新百万级商品条码库.zip
- 2019年山东大学线性代数考试复习题
- unity读取excel文件的dll Excel.dll ICSharpCode.SharpZipLib System.Data
- org.spring-framework-3.0.4. 所有jar
- xamarin fragment底部导航栏
- Q703119 问题的回答 c# combobox如何动态模糊查询？v2
- 汽车电子10大供应商.pptx
- 贝叶斯方法：该项目的内容包括使用贝叶斯方法对基本统计模型进行分析和结果解释，用于预测和决策的贝叶斯模型以及贝叶斯模型推断-源码
- FDM耗材特性.docx
- 2011年别克英朗GT评估报告.docx
- 人脸识别的一个小程序（用的OPENCV）
- MATLAB 游戏代码 星球大战
- factory soft opc client
- axis1实现webservice 及客户端调用方法 实现
- java语言程序设计1-10章课后答案（代码）
- 2017王道计算机考研408模拟卷
- 缅甸语的字体Zy-My
- tplink驱动
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明