如果有足够多的独立同分布样本，那么
可以根据每个类中的样本数量直接估计出来。在离散情况下先验概率可以利用样本数量估计或者离散情况下根据假设的概率密度函数进行最大似然估计。朴素贝叶斯可以用于同时包含连续变量和离散变量的情况。如果直接基于出现的次数进行估计，会出现一项为0而乘积为0的情况，所以一般会用一些平滑的方法，例如拉普拉斯修正，
这样既可以保证概率的归一化，同时还能避免上述出现的现象。
20、解释L1和L2正则化的作用。
L1正则化是在代价函数后面加上
，L2正则化是在代价函数后面增加了
lr性能测试的完整过程（lr做app性能测试）
阅读全文>>2023-05-10 23:56:29
时序预测常见模型（时序预测强化学习）
阅读全文>>2023-05-10 23:54:31
模型预测精度太低（模型参数复制后准确率降低）
阅读全文>>2023-05-11 00:35:03
采样步长和仿真步长（离散系统采样时间和仿真步长）
阅读全文>>2023-05-11 00:37:38
iclr是什么模型（mlr模型是啥）
阅读全文>>2023-05-11 00:25:50
bilstm模型代码详细解释（bilstm算法的优缺点）
阅读全文>>2023-05-10 23:58:29
garch模型预测有什么不足（通俗理解garch模型）
阅读全文>>2023-05-11 00:10:53
模糊预测模型怎么弄（几种常见的预测模型软件）
阅读全文>>2023-05-11 00:24:23
lr模型的优缺点（lr 模型和xgboost 模型对比）
阅读全文>>2023-05-11 00:31:44
lr模型的基本原理（lr测试入门）
阅读全文>>2023-05-10 23:58:41
