Naive Bayes
朴素贝叶斯(Naive Bayes)是贝叶斯分类 的一种实现。利用朴素贝叶斯法的定位过程如下。
tree augmented naive Bayes
...师范大学学报(自然科学版) >>2007年01期 周文刚 , 金鑫 提出了一种基于树扩展朴素贝叶斯(tree augmented naive Bayes,TANB)的入侵检测方法.
NajcveBayes
(2)朴素贝叶斯 朴素贝叶斯(NajcveBayes,NB)是一种简单的线性分类器。它在文本分类中应 用得非常普遍。
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。 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。