Python全系列 教程
3567个小节阅读:5929.8k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
适用于离散变量,条件是各个特征是服从伯努利分布(0-1分布),每一个特征的取值
只能有两种值。在scikit-learn中,使用sklearn.naive_bayes.BernoulliNB实现伯努利朴素
贝叶斯。
适用于连续变量,条件是各个特征是服从正态分布的。在scikit-learn中,使用
sklearn.naive_bayes.GaussianNB实现高斯朴素贝叶斯。
适用于离散变量,条件是各个特征是服从多项式分布的,所以每个特征值不能是负数。
在scikit-learn中,使用sklearn.naive_bayes.MultinomialNB实现多项式朴素贝叶斯。
补充:
多项式分布来源于统计学中的多项式实验:实验包括n次重复试验,每项试验都有不同的可能结果。在任何给定的试验中,特定结果发生的概率是不变的
1. 关于三种朴素贝叶斯,下列说法正确的是:
A 伯努利朴素贝叶斯条件是每一个特征的取值只有唯一的取值
B 高斯朴素贝叶斯适用于连续变量,条件是各个特征是服从正态分布的
C 多项式朴素贝叶斯每个特征值可以是负数
D 以上说法均不正确
2. 在scikit-learn中实现高斯朴素贝叶斯,使用的是:
A BernoulliNB
B GaussianNB
C MultinomialNB
D PolynomialFeatures
1=>B 2=>B