机器学习——朴素贝叶斯
一、什么朴素贝叶斯（基于概率进行预测的算法，用于分类）朴素贝叶斯是基于贝叶斯定理与条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。具体来说：计算数据为某个标签的概率，并将其分类为概率值最大的标签。二、计算方法要求：输入是独立的。2.1 基本方法训练数据集：由P（X,Y)独立同
·
目录
一、什么朴素贝叶斯（基于概率进行预测的算法，用于分类）
朴素贝叶斯是基于贝叶斯定理与条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。
具体来说：计算数据为某个标签的概率，并将其分类为概率值最大的标签。
二、计算方法
要求：输入是独立的。
2.1 基本方法
训练数据集：
由P（X,Y)独立同分布产生。
朴素贝叶斯法通过训练数据集学习联合分布P（X,Y).具体地，学习以下先验概率分布及条件概率分布。先验概率分布
条件概率分布：
朴素贝叶斯法对条件概率分布做了条件独立性假设。具体地，条件独立假设是：
2.2 后验概率最大化的含义
三、朴素贝叶斯法的参数估计
3.1 极大似然估计
3.2 朴素贝叶斯算法
举个例子：
解：
3.3 贝叶斯估计
例题
解：
技术共进，成长同行——讯飞AI开发者社区
更多推荐
1
0- 0
已为社区贡献3条内容
所有评论(0)