统计学习方法 第四章 朴素贝叶斯法 学习笔记

最新推荐文章于 2024-07-15 17:48:43 发布
最新推荐文章于 2024-07-15 17:48:43 发布
阅读量383 收藏 1
点赞数
文章标签： 机器学习 算法 python
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/m0_50650660/article/details/127252265
版权

文章目录

第四章 朴素贝叶斯法

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。

4.1 朴素贝叶斯法的学习与分类

4.1.1 基本方法

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EfIVpVJF-1665406359299)(C:\Users\29982\AppData\Roaming\Typora\typora-user-images\image-20221009112941813.png)]

在这里插入图片描述
在这里插入图片描述

因为条件之间可能含有某种关联，比如雨天对应的温度可能会低，将其视为独立后，可以把某一个维度拿出来进行计算。

朴素贝叶斯法实际上学习到的是生成数据的机制，属于生成模型。

条件独立性假设使朴素贝叶斯法变得简单，但是会牺牲一定的分类准确性。
在这里插入图片描述

因为分母中所有ck都相同，所以可化简为下式

在这里插入图片描述

4.1.2 后验概率最大化的含义

后验概率最大化=经验风险最小化

在这里插入图片描述

4.2 朴素贝叶斯法的参数估计

4.2.1 极大似然估计

在这里插入图片描述

4.2.2 学习与分类算法

算法 4.1 朴素贝叶斯算法

在这里插入图片描述

在这里插入图片描述

4.2.3 贝叶斯估计

在这里插入图片描述

辰明Xucy
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
朴素贝叶斯基础【机器学习算法一朴素贝叶斯1】
XiaobaiLaplace的博客
07-18 568
过去的7天当中，有3天下雨，4天没有下雨。用0代表灭有下雨，而1代表下雨，我们可以用一个数组来表示： y=[0,1,1,0,1,0,0] 而在这7天当中，还有另外一些信息，包括刮北风，闷热，多云，以及天气预报给出的信息，如下表： 对于一维数组或者列表，unique函数去除其中重复的元素，并按元素由大到小返回一个新的无重复元素的元组或者列表。 ...
机器学习 -- 朴素贝叶斯（Ⅴ 朴素贝叶斯的多特征案例）
Leo的博客
10-28 1781
通过单个特征计算概率 已知某人的天气情况与出行情况如下表。则这个人在阴天的天气下出门的概率？ 分析：n = 样本总数，C1 = 出门，C2 = 不出门，A1 = 天气，A2 = 温度，A3 = 湿度，A4 = 风。 （1）统计各个特征在总样本中出现的概率。 根据表格可以直接得出： （2）统计各个特征在类别为“出门”的概率。 （3）计算阴天、温度适宜、湿度高、无风的条件下出门的...
朴素贝叶斯预测天气
weixin_58110654的博客
11-06 1649
#include<iostream> #include<string> #include<cstring> using namespace std; int cnt_sun, cnt_clo,cnt_rain;// 各天气出现频数 int cnt_sun2,cnt_clo2,cnt_rain2;// 各天气在某条件下出现频数 double P_clo,P_rain,P_sun;// 各天气出现概率 double P_clo2,P_rain2,P_sun2;// 某天气出现
朴素贝叶斯
yks的博客
12-11 959
朴素贝叶斯基本介绍分类流程优缺点优点：缺点:4种应用实时预测：多类预测：文本分类/垃圾邮件过滤/情感分析：推荐系统： 基本介绍 朴素贝叶斯分类器是一种基于贝叶斯定理的弱分类器，所有朴素贝叶斯分类器都假定样本每个特征与其他特征都不相关。举个例子，如果一种水果其具有红，圆，直径大概3英寸等特征，该水果可以被判定为是苹果。尽管这些特征相互依赖或者有些特征由其他特征决定，然而朴素贝叶斯分类器认为这些属性在判定该水果是否为苹果的概率分布上独立的。朴素贝叶斯分类器很容易建立，特别适合用于大型数据集，众所周知，这是一种胜
机器学习 --- 预测天气是否适合出去游玩（三）| 神经网络mlp
d_eng_的博客
07-01 1126
🌮开发平台：jupyter lab 🍖运行环境：python3、TensorFlow2.x
lihang-code：《统计学习方法》的代码实现
02-09
2020年6月7日代码目录第1章统计学习方法概论第2章感知机第3章k近邻法第4章朴素贝叶斯第5章决策树第6章逻辑斯谛回归第7章支持向量机第8章提升方法第9章EM算法及其推广第10章隐马尔可夫模型第11章条
常见的经典机器学习笔记
07-21
【第4讲】 牛顿法、一般线性模型 【第5讲】 生成学习算法、高斯判别分析、朴素贝叶斯算法 【第6讲】 事件模型、函数间隔与几何间隔 【第7讲】 最优间隔分类器、拉格朗日对偶、支持向量机 【第8讲】 核方法、序列最小...
statistical-learning-method-camp:统计学习方法训练营课程作业及答案，视频笔记在线阅读地址：https
05-17
4 学习第4章朴素贝叶斯法 5 学习第5章决策树 第三周 6 学习第6章Logistic回归与最大熵模 7 学习第7章支持向量机 第四周 8 学习第8章提升方法 9 学习第9章EM算法及推广 第五周 10 学习第10章隐马尔科夫模型 11 学习第...
李航《统计学习方法》笔记和 Python 实现（不基于任何代数运算库）+源代码+文档说明
12-01
* 第 4 章 [朴素贝叶斯法](./chapter_4_NaiveBayes/) * 第 5 章 决策树 * 第 6 章 逻辑斯谛回归与最大熵模型 * 第 7 章 支持向量机 * 第 8 章 [提升方法](./chapter_8_boosting/) [\[AdaBoost代码\]](./chapter_8_...
斯坦福Ng机器学习课程笔记（中文版）
04-14
【第4讲】 牛顿法、一般线性模型 【第5讲】 生成学习算法、高斯判别分析、朴素贝叶斯算法 【第6讲】 事件模型、函数间隔与几何间隔 【第7讲】 最优间隔分类器、拉格朗日对偶、支持向量机 【第8讲】 核方法、序列最小...
Python实现决策树算法和朴素贝叶算法，并根据天气数据集预测是否出游
qq_37746855的博客
07-13 3658
该数据集，已有的天气状况、温度、湿度还有风力信息，预测是否适合出去游玩。在算法设计中可以把天气状况、温度、湿度还有风力信息作为算法的输入，是否适合游玩作为输出结果。 定义属性、划分数据集 将1-12条作为训练数据集，13-16作为测试数据集 结果预测 结果预测...
机器学习 --- 预测天气是否适合出去游玩（一）| 贝叶斯
d_eng_的博客
07-01 2211
🌮开发平台：jupyter lab 🍖运行环境：python3、TensorFlow2.x
朴素贝叶斯分类器之天气预测算法
weixin_41984456的博客
10-25 2958
该算法以十个样例为训练集，四个为测试集，通过处理，能够大致预测在不同天气的情况下，是否可以去打网球。（2）软件环境：本实验的软件环境主要为Windows操作系统，Pycharm工具。（1）硬件环境：Intel(R) Core(TM) i7-7700HQ CPU。（3）计算概率（先验概率、条件概率、联合概率）（4）根据贝叶斯公式计算预测概率。（2）分析处理数据集数据。（1）提取数据集数据。
朴素贝叶斯分类
weixin_34290000的博客
07-11 361
先上问题吧，我们统计了14天的气象数据(指标包括outlook，temperature，humidity，windy)，并已知这些天气是否打球(play)。如果给出新一天的气象指标数据:sunny,cool,high,TRUE，判断一下会不会去打球。 table 1 outlook temperature humidity windy play sunny ho...
朴素贝叶斯解决天气问题
weixin_35915293的博客
10-16 5852
朴素贝叶斯是一种基于贝叶斯定理的分类方法。该算法是有监督的学习算法，解决分类问题。在该算法中，我们假设给定目标值时，属性之间相互条件独立，即 。贝叶斯定理：对于分类问题，样本x属于类别y的概率 其中， P(y)是指未使用数据训练分类器之前的y的初始概率，称为先验概率； P(x|y)是样本x相对于类别y的类条件概率，称为似然； P(y|x)是给定x时，y成立的概率，称为后验概率；P(x)是归一
《统计学习方法》之朴素贝叶斯法思路整理
weixin_44650119的博客
08-06 202
《统计学习方法》之朴素贝叶斯法 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。 1. 朴素贝叶斯法的基本方法：       输入空间：                &nbs...
搞懂朴素贝叶斯分类算法
糖糖糖豆的博客
09-22 5208
转载- 搞懂朴素贝叶斯分类算法带你搞懂朴素贝叶斯分类算 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单，也是常见的一种分类方法。这篇文章我尽可能用直白的话语总结一下我们学习会上讲到的朴素贝叶斯分类算法，希望有利于他人理解。1 分类问题综述对于分类问题，其实谁都不会陌生，日常生活中我们每天都进行着分类过程。例如，当你
【机器学习】马尔可夫模型与隐马尔科夫模型
m0_53700832的博客
07-15 568
马尔可夫模型（Markov Model）是一种用于描述系统状态随时间变化的数学模型。通俗地说，它是一种预测未来状态的工具，假设未来状态只依赖于当前状态，而不依赖于过去的状态。这种假设被称为“马尔可夫性”或“无后效性”。马尔可夫模型是一种非常有用的工具，用于描述和预测系统状态随时间变化的情况。关键是只考虑当前状态，而不考虑历史状态。这使得模型简单且易于计算，适用于许多实际问题，如天气预测、股票市场分析、语言处理等。初始状态分布π\piπ：描述系统初始时刻各状态的概率。状态转移概率矩阵AAA。
讲解机器学习中的 K-均值聚类算法及其优缺点
最新发布
martian665的专栏
07-15 143
讲解机器学习中的 K-均值聚类算法及其优缺点
人工智能导论：第四章 机器学习.ppt
06-18
"第四章机器学习主要讲解了机器学习的基本概念、方法、三要素以及实际应用，并深入探讨了朴素贝叶斯分类法。" 在人工智能领域，机器学习是至关重要的一个分支，它允许计算机系统通过执行特定过程来提升其性能。西蒙...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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。

余额充值