朴素贝叶斯
[知道]常见的概率公式
条件概率:表示事件A在另外一个事件B已经发生条件下的发生概率,P(A|B)
联合概率:表示多个条件同时成立的概率,P(AB) = P(A) P(B|A)
特征条件独立性假设: P(AB) = P(A)P(B)
联合概率+条件概率:
P(AB|C) = P(A|C) P(B|AC)
简言之:
条件概率:在去掉部分样本的情况下,计算某些样本的出现的概率,表示为:P(B|A)
联合概率:多个事件同时发生的概率是多少,表示为:P(AB) = P(B)*P(A|B)
[理解]贝叶斯公式
1. P(C) 表示 C 出现的概率
2. P(W|C) 表示 C 条件 W 出现的概率
3. P(W) 表示 W 出现的概率
[理解]朴素贝叶斯
特征条件独立假设**,即:特征之间是互为独立的
【知道】拉普拉斯平滑系数
我们只需要知道为了避免概率值为 0,我们在分子和分母分别加上一个数值,这就是拉普拉斯平滑系数的作用。
[知道]API介绍
sklearn.naive_bayes.MultinomialNB(alpha = 1.0)
- 朴素贝叶斯分类
- alpha:拉普拉斯平滑系数
朴素贝叶斯
最新推荐文章于 2024-05-31 23:45:33 发布