![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据挖掘,贝叶斯,朴素贝叶斯分类
文章平均质量分 77
cxjoker
精通大数据算命、人工智障、自然语言混乱、数据隐藏
展开
-
贝叶斯系列:(一)朴素贝叶斯分类器
假设有N种可能的类别标记,记为:\[y=\left \{ c_{1},c_{2}...c_{N} \right \}\]现有一个样本x给定其各个属性的取值\[x_{i},i=1...d\],d为x所包含的属性的数目,若将x归为第c类的第k个属性,则有 \[p(c|x)=\frac{p(c)p(x|c)}{p(x)}\](...原创 2017-11-07 20:51:40 · 2063 阅读 · 1 评论 -
贝叶斯系列:(二)半朴素贝叶斯分类器
现实情况是属性全部独立基本上是不可能的,而如果完全考虑各属性之间的相关性会大大增加计算复杂度,所以才引入半朴素贝叶斯网络:进一步放松条件独立性假设,即假设部分属性之间存在依赖关系。 独依赖估计:每个其他属性最多只依赖于一个属性,即: 对于父属性已知的计算,可采用式(9)的计算方式进行计算。故问题就在如何确定父属性,最简单的方法是如图(b)所示,SPODE,称为超父属...原创 2018-08-20 21:19:47 · 7835 阅读 · 1 评论 -
贝叶斯系列:(三)贝叶斯网络
贝叶斯网络是一种信念网,基于有向无环图来刻画属性之间的依赖关系的一种网络结构,并使用条件概率表(CPT)来描述联合概率分布。 具体来所,一个贝叶斯网络B由结构G和参数 两部分构成,B=(G, ),网络结构G是一个有向无环图,点对应每一个属性,设父节点为π,所以包含了每个属性的条件概率表为,如图所示: 结构 以结构表达了属性之间的条件独立性,给定父节点集,假设每个属性与...原创 2018-08-20 21:29:57 · 42372 阅读 · 10 评论 -
《机器学习实战》基于概率论的分类方法:朴素贝叶斯
朴素贝叶斯是贝叶斯系列算法中应用最广的方法,贝叶斯方法最早由应该统计学家Thomas Bayes提出,其实简单的理解的话就是根据已经发生的某些情况来确定某事件发生的概率,而朴素贝叶斯的“朴素”指的是假设样本的所有特征都独立。核心公式理解简单了就是条件概率公式: P(A|B)=P(B|A)*PA/P(B)=P(AB)/P(B) 由于前面已经写过朴素贝叶斯...原创 2018-09-10 21:47:24 · 564 阅读 · 0 评论