目录
1. 贝叶斯
贝叶斯公式:
这里的可以认为是在分类任务中的某个类,所以可以表示在给出的条件下,样本被判为第类的概率,这个概率也是我们称为的后验概率。
贝叶斯公式的实例:
当你周一去一家商店,你发现所有的灯都是的,你会做什么推断?
先验概率:
即,通过统计数据,这家店开着的概率是。
先验概率和后验概率可以这么理解:
和相比,一个是预先知道的,所以是先验的;一个是需要在的条件下算出来的,所以是后验的。
条件概率:
,当店铺开张的时候,灯灭的概率为。
,当店铺关闭的时候,灯灭的概率为。
求后验概率
贝叶斯公式允许我们计算当已知或者可以估算的时候。
2. 朴素贝叶斯分类器
已知,对于联合概率有:
分类器的任务
我们现在的任务是:将样本()进行分类,,我们需要依次求出这个样本对于每一类的概率,然后选出其中最大的那一个作为最终的预测类别。