朴素贝叶斯与逻辑回归的区别：
|
朴素贝叶斯 |
逻辑回归 |
|
生成模型（Generative model） |
判别模型（Discriminative model） |
|
对特征x和目标y的联合分布P(x,y)建模，使用极大后验概率估计法估计出最有可能的P(y|x) |
直接对后验概率P(y|x)建模，使用极大似然估计法使其最大化 |
|
不需要优化参数，先用极大似然估计法估计出先验概率P(y)和条件概率P(x|y)，然后计算出极大后验概率P(y|x) |
需要优化参数，先用极大似然估计法得出损失函数，再用梯度下降法等优化参数 |
|
假设特征之间相互独立，对于不相互独立的特征，朴素贝叶斯的分类效果会差一些 |
不必假设特征之间是相互独立的，对于不相互独立的特征，逻辑回归会在训练过程中对参数自动调整 |
机器学习---朴素贝叶斯与逻辑回归的区别（Machine Learning Naive Bayes Logistic Regression Difference）
原文：https://www.cnblogs.com/HuZihu/p/9566705.html