机器学习学习笔记——朴素贝叶斯

最新推荐文章于 2024-07-07 01:19:49 发布

lyy0331

最新推荐文章于 2024-07-07 01:19:49 发布

阅读量156

点赞数

分类专栏： machine learning 文章标签：机器学习朴素贝叶斯算法

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/lyy0331/article/details/116461499

版权

朴素贝叶斯关键词贝叶斯公式朴素贝叶斯模型关键词分类算法；生成方法->找出Y和X和联合分布P(X, Y)->P(Y|X)=P(X, Y)/P(X)得出对应判别方法（决策树、KNN、逻辑回归、SVM等）->学习出Y=f(X) or P(Y|X)先验概率+似然（数据）=后验概率，贝叶斯派假设先验概率分布的模型（正态分布、beta分布等）贝叶斯公式P(Yk∣X)=P(X∣Yk)P(Yk)∑kP(X∣Y=Yk)P(Yk).P(Y_k|X) = \frac{P(X|Y_k)P(Y_

摘要由CSDN通过智能技术生成

朴素贝叶斯

关键词
贝叶斯公式
朴素贝叶斯模型

关键词

分类算法；
生成方法->找出Y和X和联合分布P(X, Y)->P(Y|X)=P(X, Y)/P(X)得出
对应判别方法（决策树、KNN、逻辑回归、SVM等）->学习出Y=f(X) or P(Y|X)
先验概率+似然（数据）=后验概率，贝叶斯派假设先验概率分布的模型（正态分布、beta分布等）

贝叶斯公式

$P(Y_k|X) = \frac{P(X|Y_k)P(Y_k)}{\sum_k P(X|Y=Y_k)P(Y_k)}.$

最低0.47元/天解锁文章

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
机器学习学习笔记——朴素贝叶斯

朴素贝叶斯关键词贝叶斯公式朴素贝叶斯模型关键词分类算法；生成方法->找出Y和X和联合分布P(X, Y)->P(Y|X)=P(X, Y)/P(X)得出对应判别方法（决策树、KNN、逻辑回归、SVM等）->学习出Y=f(X) or P(Y|X)先验概率+似然（数据）=后验概率，贝叶斯派假设先验概率分布的模型（正态分布、beta分布等）贝叶斯公式P(Yk∣X)=P(X∣Yk)P(Yk)∑kP(X∣Y=Yk)P(Yk).P(Y_k|X) = \frac{P(X|Y_k)P(Y_
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。