贝叶斯分类器是利用概率的知识完成数据的分类任务，在机器学习中使用贝叶斯决策论实施决策的基本方法也是在概率的框架下进行的，它是考虑如何基于这些概率和误判损失来选择最优的类别标记。
1、贝叶斯决策论
条件风险： 假设有 N 种可能的类别标记，
本文总结了《机器学习》中关于贝叶斯分类器的内容，包括贝叶斯决策论、极大拟然估计、朴素贝叶斯分类器、半朴素贝叶斯分类器、贝叶斯网及其结构学习与推断，以及EM算法在处理不完整数据时的作用。通过对这些概念的探讨，阐述了贝叶斯方法在概率框架下进行数据分类的基本思想和应用。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
