本文深入探讨了朴素贝叶斯算法，包括高斯朴素贝叶斯和多项分布朴素贝叶斯，并介绍了贝叶斯网络的基本概念，如全连接贝叶斯网络和条件独立的三种判定方式。此外，详细阐述了D-separation（有向分离）原理，用于判断节点间的条件独立性。
算法进阶--贝叶斯网络
朴素贝叶斯
- 朴素贝叶斯是假设样本特征之间相互条件独立（给定条件y时互相独立）
如：(通过n个特征来判断样本y的分类)
P ( y ∣ x 1 , x 2 , x 3 . . . x n ) = P ( x 1 , x 2 , x 3 . . . x n ∣ y ) P ( Y ) P ( x 1 , x 2 , x 3 . . . x n ) P(y|x_1,x_2,x_3...x_n)=\frac{P(x_1,x_2,x_3...x_n|y)P(Y)}{P(x_1,x_2,x_3...x_n)} P(y∣x1,x2,x3...xn)=P(x1,x2,x3...xn)P(x1,x2,x3...xn∣y)P(Y)
最低0.47元/天 解锁文章
扫一扫
7983
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
