（3.3）朴素贝叶斯模型及Titanic案例分析

AI100 2023-01-12 23:11:10

课时名称	课时知识点
（3.3）朴素贝叶斯模型及Titanic案例分析

...全文

184 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

本文介绍了一种使用朴素贝叶斯方法解决kaggle Titanic竞赛的生存预测问题，虽然得分74.641，可能受限于标量数据处理。通过先验概率和最大似然概率计算事件可能性，将任务转化为计算不同特征的存活率和死亡率。讨论了如何处理连续和离散特征，以及朴素贝叶斯假设和潜在问题，包括数据分布、离散化和概率计算。

本文介绍了一种使用朴素贝叶斯模型预测泰坦尼克号乘客生还情况的方法。通过分析数据，补全缺失值，并计算不同特征（如性别、年龄和票价）与生还概率的关系，然后在测试集上应用这些概率进行预测，以确定哪些乘客最有可能幸存。

本文详细介绍了朴素贝叶斯算法原理，通过Titanic数据集进行实战演示，包括数据预处理、特征独立性假设、模型训练与预测。探讨了模型优化策略，如性别one-hot编码和年龄离散化对模型性能的影响。

本文介绍了朴素贝叶斯算法的基本原理及其在Titanic数据集上的应用案例。通过对数据预处理、特征选择、模型训练与评估等步骤的详细解析，展示了如何使用朴素贝叶斯算法进行分类预测。

本文介绍了朴素贝叶斯分类器的工作原理，包括高斯朴素贝叶斯、多项分布朴素贝叶斯和伯努利朴素贝叶斯模型。强调了特征独立性假设，并解释了在概率计算中使用平滑处理的重要性。同时，给出了使用伯努利朴素贝叶斯在Kaggle Titanic数据集上的应用示例。

AI100讲师的课程社区_NO_1

1

社区成员

217

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章