朴素贝叶斯
一叶_障目
知识——即要深,也要广
展开
-
朴素贝叶斯分类器(修改版)
贝叶斯决策论 在所有相关概率都已知的情况下,贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。 假设有N种可能的类别标记,即Y={c1,c2,...,cN},λijY=\{c_1,c_2,...,c_N\},\lambda_{ij} 是将一个真实标记为cjc_j的样本误分类为cic_i所产生的损失。基于后验概率P(ci|x)P(c_i|x)可获得样本xx分类为c原创 2018-01-02 21:50:00 · 690 阅读 · 0 评论 -
数据挖掘——分类——朴素贝叶斯算法原理解析
朴素贝叶斯算法简单、高效,具有坚实的理论基础,在数据分类中得到了广泛的应用。朴素贝叶斯的理论基础:贝叶斯定理其中:P(H | X)为条件X发生的情况下,H发生的概率,也称后验概率,P(H)称先验概率朴素贝叶斯分类算法基于贝叶斯定律,工作过程如下:(1)D是数据集,即所有样本的集合 每个样本具有n个属性,可以用n为向量表示,如样本X={X1,X2,…,Xn},表示对应的n个属性A1,原创 2016-11-20 12:04:19 · 2250 阅读 · 0 评论 -
朴素贝叶斯分类器
贝叶斯决策论 在所有相关概率都已知的情况下,贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。 假设有N种可能的类别标记,即Y={c1,c2,...,cN},λijY=\{c_1,c_2,...,c_N\},\lambda_{ij} 是将一个真实标记为cjc_j的样本误分类为cic_i所产生的损失。基于后验概率P(ci|x)P(c_i|x)可获得样本xx分类为c原创 2017-12-28 11:09:46 · 665 阅读 · 0 评论