python实现朴素贝叶斯

本文介绍了如何使用Python从头实现朴素贝叶斯分类器,详细阐述了贝叶斯估计的过程,特别是拉普拉斯平滑和极大似然估计的应用。通过对比和验证,确保了算法的正确性。
摘要由CSDN通过智能技术生成

 手动实现朴素贝叶斯,并没有使用sciLearn的。

其中的主要公式参考的仍然是统计学习方法中的内容。

并且使用贝叶斯估计参数,并且结果和书上的内容可以完全对应上,验证了过程的可靠性。

贝叶斯估计

为了解决


P_\lambda (X ^ j =a_{jl}| Y =c_k)=\frac{\sum_{i=1}^{N}{I(x_i ^{(j)}=a_{jl},y_i=c_k )+\lambda } }{\sum_{i=1}^{N}{I()y_i=c_k} +S_j \lambda }
 

其中\lambda >= 0 ,那么显然当\lambda >0时候,P不为零,一般去

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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