2 ruoyeknight RuoYeKnight 于 2016.05.10 21:34 提问

关于朴素贝叶斯分类器的问题

朴素贝叶斯假设了各属性间的相互独立,如果对训练集中的每条记录,出现如:
(年,月,日)->星期几
的这种不相互独立的情况,有没有什么解决方案可以配合朴素贝叶斯进行分类?

1个回答

silehaixianghuirenj
silehaixianghuirenj   2016.10.08 01:24

素贝叶斯分类器的问题
朴素贝叶斯假设了各属性间的相互独立,如果对训练集中的每条记录,出现如:
(年,月,日)->星期几
的这种不相互独立的情况,有没有什

Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
一种文本处理中的朴素贝叶斯分类器
在特征独立性假设的基础上, 讨论了朴素贝叶斯分类器的原理, 以及训练朴素贝叶斯分类器和应用朴素贝叶斯分类器进行分类的问题。
朴素贝叶斯分类器--一种简单有效的常用分类算法
一、病人分类的例子让我从一个例子开始讲起,你会看到贝叶斯分类器很好懂,一点都不难。 某个医院早上收了六个门诊病人,如下表。 症状  职业   疾病  打喷嚏 护士   感冒   打喷嚏 农夫   过敏   头痛  建筑工人 脑震荡   头痛  建筑工人 感冒   打喷嚏 教师   感冒   头痛  教师   脑震荡 现在又来了第七个病人,是一个打喷嚏的建筑工人。请问他患上感冒的概率有多大?根据
机器学习实战——python实现简单的朴素贝叶斯分类器
基础公式 贝叶斯定理:P(A|B) = P(B|A)*P(A)/P(B) 假设B1,B2…Bn彼此独立,则有:P(B1xB2x…xBn|A) = P(B1|A)xP(B2|A)x…xP(Bn|A) 数据(虚构) A1 A2 A3 A4 A5 B 1 1 1 1 3 no 1 1 1 2 2 soft 1 1 2 1 3 no 1 1 2 2 1
用Python学习朴素贝叶斯分类器
朴素贝叶斯算法是机器学习的一个重要算法,尤其是在分类问题上,非常著名。该笔记简单介绍了朴素贝叶斯原理,并用Python实现案例。
理解朴素贝叶斯分类器的三层境界
1.背景 首先,在文章的开头,先提出几个问题,如果这些问题你都答得上来,那么本文你就无需阅读了,或者你阅读的动机纯粹是给本文挑毛病,当然我也无比欢迎,请发送邮件“毛病の朴素贝叶斯”发送至297314262@qq.com,我会认真阅读你的来信。 By the way,如果阅读完本文,你还是无法回答以下问题,那么也请你邮件通知我,我会尽量解答你的疑惑。 朴素贝叶斯分类器中的“朴素”特指此
基于hadoop的朴素贝叶斯分类器
朴素贝叶斯分类器的代码,还有一些hadoop运行时出现的问题
贝叶斯分类器(一):朴素贝叶斯分类器与半朴素贝叶斯分类器
贝叶斯分类器理论知识。包括贝叶斯决策论,朴素贝叶斯分类器,半朴素贝叶斯分类器。
Python实现朴素贝叶斯分类器
# -*-coding:utf-8-*- '''     朴素贝叶斯算法 ''' from __future__ import division  global className className = "class" def calc_class(train, classValue):     # 计算分类的概率     _num_cls = 0  
朴素贝叶斯分类器(Naive Bayes Classifiers)
原文地址:Naive Bayes Classifiers 本文讨论的是朴素贝叶斯分类器( Naive Bayes classifiers)背后的理论以及其的实现。朴素贝叶斯分类器是分类算法集合中基于贝叶斯理论的一种算法。它不是单一存在的,而是一个算法家族,在这个算法家族中它们都有共同的规则。例如每个被分类的特征对与其他的特征对都是相互独立的。开始之前,先看一下数据集。这是一个虚构的数据集,这个
机器学习算法学习与总结——朴素贝叶斯分类器
机器学习算法学习与总结——朴素贝叶斯分类器 朴素贝叶斯算法是目前非常流行的机器学习分类算法,在垃圾邮件过滤、文本分类,手写数字识别等领域。 朴素贝叶斯算法的算法思想是:对于给定的输入样本,在已知先验概率,和样本类别的概率分布模型(已知属于某一类别的前提下样本发生的条件概率分布)的前提下,通过贝叶斯公式求得样本类别的后验概率,将后验概率最大的样本所属的类作为分类器的输出。  从上述算法思想可以