当前位置:首页 > 产品 > 机器学习课程 > 朴素贝叶斯分类器
机器学习课程,线性回归

朴素贝叶斯分类器 视频课程

课时时长:39分钟

 

概述

一种概率分类模型,首先计算每个类别的概率,对每个特征属性计算所有划分的条件概率,最后相乘选出概率最大的为该类别。主要分为四大类:朴素贝叶斯(各特征变量之间独立),高斯朴素贝叶斯(特征值连续,服从高斯分布),伯努力朴素贝叶斯(特征值连续特征属性分布服从伯努力),多项式朴素贝叶斯(特征值离散,特征属性服从多项分布),广泛运用于分词模型。

 

引例

机器学习课程,线性回归

员工离职分析

通过员工离职数据集,数据主要包括影响员工离职的各种因素(工资、绩效、工作满意度、参加项目数、工作时长、是否升职、等)以及员工是否已经离职的对应记录。利用朴素贝叶斯建模预测,通过模型结果分析员工的离职原因,并发现其中的问题,辅助人力资源部门做决策。