朴素贝叶斯分类一. 朴素贝叶斯分类介绍二. 算法推导详解三. 附上《统计学习方法》中的算法流程一. 朴素贝叶斯分类介绍首先，对于更定数据集{(x1,y1),(x2,y2),…,(xm,ym)}\{ (x_1,y_1),(x_2,y_2),…,(x_m,y_m) \}{(x1,y1),(x2,y2),…,(xm,ym)}，可以得到 P(X∣Y)P(X|Y)P(X∣Y) 和 P(Y)P...
首先，对于更定数据集 { ( x 1 , y 1 ) , ( x 2 , y 2 ) , … , ( x m , y m ) } \{ (x_1,y_1),(x_2,y_2),…,(x_m,y_m) \} {
(x1,y1),(x2,y2),…,(xm,ym)}，可以得到 P ( X ∣ Y ) P(X|Y) P(X∣Y) 和 P ( Y ) P(Y) P(Y) 的估计；（基于特征条件独立假设和先验概率）
然后，利用 P ( X , Y ) = P ( X ∣ Y ) P ( Y ) P(X,Y) = P(X|Y)P(Y) P(X,Y)=P(X∣Y)P(Y)可以学习 联合概率分布 ；
最后，对于确定的 x x x ，通过比较不同 y y y 值的 P ( y ∣ x ) = P ( x , y ) P ( x ) P(y|x) = \frac{P(x,y)}{P(x)} P(y∣x)=P(x)
2325
376
1895
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
