朴素贝叶斯分类计算结果大于1是为什么呢?

发布网友发布时间：2022-05-05 06:25

共1个回答

热心网友时间：2023-10-12 21:24

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。
采用统计学习中的三要素方法对朴素贝叶斯分类器进行分析，
朴素贝叶斯分类基于朴素贝叶斯模型，
通过期望风险最小化方法来选择最优化模型空间中的最优解，
最后可以采用最大似然估计或者贝叶斯估计求解分类器。
朴素贝叶斯主要处理特征数据是连续的，
并且由于样本比较少，无法分成区间计算，
这时可以把特征假设都符合正态分布，
通过已有样本计算出均值和方差，
也就是得到正态分布的密度函数。
有了密度函数，就可以把值代入，
算出某一点的密度函数的值（计算出的值有可能大于1，但是并没有关系，因为这里是密度函数的值，只用来反映各个值的相对可能性）。