naive bayes注意的一个点

最新推荐文章于 2024-05-23 15:43:21 发布
最新推荐文章于 2024-05-23 15:43:21 发布
阅读量328 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Wzz_Liu/article/details/81303637
版权

P(A_{i}|B) = \frac{P(B|A_{i})*P(A_{i})}{P(B)}

bayes公式如上

bayes分类器的本质实际是对P(A_{i}|B)不好直接计算，转化为与P(B|A_{i})的逆向条件概率，其中有一个重要的假设B中每个元素条件独立，这样，就可以讲P(B|A_{i})的联合分布变成一个个P(B_{j}|A_{i})单独的条件分布。对于给定的traindata，所有的P(A_{i})，P(B_{j}|A_{i})都是可以统计出来的，P(B)则是一个常量，不起作用。

当traindata训练好之后，有一个问题。就是先验概率是否满足客观规律呢？？？traindata中的P(A_{i})是不是和实际生活中P(A_{i})一致？？？traindata的分布是不是真实分布？？？不得而知！

 

对于先验概率P(A_{i})，当我们不知道真实分布的样子时，最直观的假设就是所有A_{i}均匀分布（此时所有P(A_{i})也完全相同），分类结果变成了P(A_{i}|B)\oe \prod P(B_{j}|A_{i})，和似然概率成正比！

当traindata中A_{i}分布和真实A_{i}分布的可信度足够高时，P(A_{i})取traindata中的数值！

直接取所有A_{i}均匀分布，很有可能和真实分布不符合，

所以我们应该在test和valid数据集交叉验证中获取到最好的先验分布，先验概率其实就是个超参数

 

ThereIsNoSpoon_
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习算法--朴素贝叶斯(Naive Bayes)
python收藏家的博客
03-22 1645
机器学习算法--朴素贝叶斯
朴素贝叶斯(Naive Bayes)
LeeXiaoyao00的博客
12-17 1240
学习目标： 掌握贝叶斯公式 结合两个实例了解贝朴素叶斯的参数估计 掌握贝叶斯估计 学习内容： 1.2 朴素贝叶斯的介绍 朴素贝叶斯算法（Naive Bayes, NB) 是应用最为广泛的分类算法之一。它是基于贝叶斯定义和特征条件独立假设的分类器方法。由于朴素贝叶斯法基于贝叶斯公式计算得到，有着坚实的数学基础，以及稳定的分类效率。NB模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。当年的垃圾邮件分类都是基于朴素贝叶斯分类器识别的。 什么是条件概率，我们从一个摸球的例子来理解。我们有两个桶：灰色桶和
9.机器学习-十大算法之一朴素贝叶斯（Naive Bayes）算法案例讲解
最新发布
weixin_50804299的博客
05-23 3073
机器学习中的朴素贝叶斯（Naive Bayes）算法是一种基于贝叶斯定理和特征条件独立假设的分类算法。该算法通过计算给定特征下各个类别的概率，并选择概率最大的类别作为预测结果。朴素贝叶斯算法因其简单、高效且易于实现的特点，在文本分类、垃圾邮件过滤、情感分析等领域得到广泛应用。以下案例将详细讲解朴素贝叶斯算法的原理、应用及其实践过程中的注意事项。以山河作礼。🎖️🎖️:Python领域新星创作者，CSDN实力新星认证，CSDN内容合伙人，阿里云社区专家博主，新星计划导师，在职数据分析师。
机器学习——朴素贝叶斯（Naive Bayes）详解及其python仿真
qq_42233059的博客
09-16 4475
机器学习——朴素贝叶斯（Naive Bayes）详解及其python仿真
朴素贝叶斯算法(Naive Bayes) 原理总结
chaojianmo的博客
10-16 7333
1 数学知识 贝叶斯定理： 特征条件独立假设： 2 朴素贝叶斯 2.1 算法原理 输入空间： 输出空间：y={C1，C2，…,CK}。 训练集：T={(x1,y1),(x2,y2),…,(xN,yN)}。 对于每个实例，其P(X,Y)独立同分布。在进行分类之前，需要先将计算先验概率和条件概率然后据此计算出后验概率。 1) 先验概率分布： P(Y=Ck)，k=1,2...
naive_bayes（简单贝叶斯）
05-19
机器学习 算法当中的贝叶斯分类算法，采用python语言编写
Naive Bayes Classifier_NavieBayes_naivebayes_
09-29
**朴素贝叶斯分类器（Naive Bayes Classifier）** 朴素贝叶斯分类器是一种基于概率理论的机器学习算法，其核心思想是利用贝叶斯定理进行预测。该算法假设特征之间相互独立，这也是“朴素”一词的由来。尽管在现实...
Naive bayes_naivebayes_
09-29
贝叶斯定理是概率论中的一个重要概念，它描述了在给定一些相关证据或条件下，某一事件发生的后验概率如何通过先验概率和条件概率来计算。公式表示为： P(A|B) = P(B|A) * P(A) / P(B) 其中，P(A|B) 是在已知 B 发生...
Naive-Bayes-Classifier-master_naivebayes_
10-02
朴素贝叶斯（Naive Bayes）是一种基于概率论的分类算法，因其简单高效而广泛应用于文本分类、垃圾邮件过滤、情感分析等多个领域。在这个"Naive-Bayes-Classifier-master"项目中，我们将深入探讨朴素贝叶斯的理论基础...
C#实现Naive Bayes源码
01-08
朴素贝叶斯（Naive Bayes）是一种基于概率的分类算法，源于贝叶斯定理。在机器学习领域，它因其简单、高效而被广泛应用于文本分类、垃圾邮件过滤、情感分析等多个场景。C#是一种面向对象的编程语言，常用于开发...
NaiveBayes算法
05-18
NaiveBayes算法
大数据十大经典算法Navie_Bayes讲解PPT
09-22
感谢分享者
Naive Bayes（朴素贝叶斯）
weixin_34137799的博客
11-23 369
Code: https://github.com/tmac1997/u... Naive Bayes Bayes' theorem(贝叶斯法则) 在概率论和统计学中，Bayes' theorem（贝叶斯法则）根据事件的先验知识描述事件的概率。贝叶斯法则表达式如下所示： $$ \begin{align} P(A|B)=\frac{P(B|A...
Navie Bayes算法（朴素贝叶斯算法）
Nancy的博客
07-02 1024
Navie Bayes算法（朴素贝叶斯算法） 朴素贝叶斯算法是一种分类算法，其思想就是根据某些个先验概率计算Y变量属于某个类别的后验概率。 朴素贝叶斯分类器(Naive Bayes Classifier,简称NBC)，NBC基于一个简单的假定：给定目标值时属性之间相互条件独立。 可以理解为，所谓朴素贝叶斯算法， 朴素：特征条件独立 贝叶斯：基于贝叶斯定理 贝叶斯定理： 朴素贝叶斯...
Naive Bayes算法（朴素贝叶斯算法）
Panonsense
04-19 1628
NaiveBayes（朴素贝叶斯）是ML中的一个非常基础和简单的算法
【机器学习】贝叶斯十大知识点讲解
小马日记
09-18 644
一、贝叶斯方法 1、含义 P(A∣B) = P(A,B)P(A)=P(B∣A)P(A)\displaystyle P( A|B) \ =\ \frac{P( A,B)}{P( A)} =\frac{P( B|A)}{P( A)}P(A∣B) = P(A)P(A,B)​=P(A)P(B∣A)​ 其中P(A)P(A)P(A)是先验概率，P(B∣A)P( B|A)...
机器学习——朴素贝叶斯（Naive Bayes）详细解读
技术分享
11-05 7533
本文是从机器学习的角度分析朴素贝叶斯（Naive Bayes），主要分析的内容有贝叶斯定理、朴素贝叶斯分类器和极大似然估计法等。此外，针对贝叶斯定理，举了两个容易理解的例子，并且在朴素贝叶斯的实现方面，也提供了详细的代码和数据集，供读者上机操作。
朴素贝叶斯（Naive ）含义解释
MiaLove
06-10 1491
文章目录"朴素"由来优缺点分析 "朴素"由来 朴素贝叶斯（Naive Bayes）方法是一组监督学习算法，它基于贝叶斯定理，“天真地”“朴素”地假设特征之间互相独立，即一个特征的存在与其他特征的存在无关。这也是“朴素”“Naive”一词的缘由。 贝叶斯定律及案例：https://blog.csdn.net/houhuipeng/article/details/90706539 样本E=(x1,x2...
【机器学习】Naive Bayes 朴素贝叶斯
duxinyuhi的专栏
10-10 1890
1.基本原理和步骤 Naive Bayes methods are a set of supervised learning algorithms based on applying Bayes’ theorem with the “naive” assumption of independence between every pair of features. Given a clas
biopythin.naivebayes
12-26
biopythin.naivebayes是一个基于朴素贝叶斯算法的Python库，用于进行分类和预测。朴素贝叶斯是一种基于概率和统计的分类方法，它假设特征之间相互独立，并且每个特征对于分类结果的影响是相同的。这使得朴素贝叶斯算法在处理大规模数据时具有高效性和良好的性能。 使用biopythin.naivebayes可以轻松地构建和训练朴素贝叶斯分类模型，然后使用这些模型进行新数据的分类和预测。该库提供了一系列函数和方法，用于处理数据的准备、特征选择、模型评估和结果可视化等功能。用户可以根据自己的需求和数据特点来选择合适的方法和参数，以获得最佳的分类效果。 此外，biopythin.naivebayes还提供了对不同类型的数据进行分类的支持，包括文本数据、图像数据、数值数据等。它能够处理多分类和二分类问题，并且可以适用于各种领域和应用场景，如自然语言处理、医学诊断、金融风险评估等。因此，使用biopythin.naivebayes可以帮助用户快速构建和部署高效的分类模型，实现数据分析和决策支持的需求。Biopythin.naivebayes是一个强大而灵活的工具，为用户提供了在处理分类问题时的便利和效率。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值