朴素贝叶斯
简介
朴素贝叶斯算法是一种基于贝叶斯定理的分类算法。它假设每个特征与其他特征之间相互独立，从而简化了计算。在分类时，朴素贝叶斯算法会计算每个类别的先验概率，并且对于给定的样本数据，计算每个类别的后验概率，最终将样本数据归为后验概率最大的类别。
该算法在文本分类、垃圾邮件过滤等领域得到了广泛应用。
算法参数及说明
| 参数 | 说明 |
|---|---|
| 无 | 无 |
案例
案例数据下载：iris.xlsx
案例介绍：Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。
- Sepal.Length（花萼长度），单位是cm;
- Sepal.Width（花萼宽度），单位是cm;
- Petal.Length（花瓣长度），单位是cm;
- Petal.Width（花瓣宽度），单位是cm;
- 种类：Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾），以及Iris Virginica（维吉尼亚鸢尾）。
制作流程：
-
选择iris数据集；
-
在智能分析图表中选择朴素贝叶斯；
-
在设置中的基础配置中选择状态为成功的朴素贝叶斯模型，** 注意：数据集字段必须包含已选择的朴素贝叶斯模型所使用的训练集字段 **；
如果模型列表中没有模型，需要创建模型，创建模型的链接：机器学习模型管理
-
进行数据探索，结果以表的方式展示