朴素贝叶斯分类器是一系列以假设特征之间强（朴素）独立下运用贝叶斯定理为基础的简单概率分类器。该分类器模型会给问题实例分配用特征值表示的类标签，类标签取自有限集合。它不是训练这种分类器的单一算法，而是一系列基于相同原理的算法：所有朴素贝叶斯分类器都假定样本每个特征与其他特征都不相关。
构造了保持隐私的朴素贝叶斯分类器。
We construct the privacy preserving Naive Bayesian Classifier.
该文利用特征加权技术来增强朴素贝叶斯分类器。
In this paper, we investigate enhancement of naive Bayes classifier using feature weighting technique.
论文研究了三种朴素贝叶斯分类器信用评估模型的精度。
This paper investigates the credit scoring accuracy of three naive Bayesian classifier models.
应用推荐