目录
4.1-朴素贝叶斯法的学习和分类
4.1.1-基本方法
朴素是以为做了条件独立性的假设
这里概率论知识比较多
?如何区分三种语言:
方法一:三种语言都学习一遍
方法二:只看三种语言的区分部分
(这个就是最后一个公式原理)
最后由于分母相同,只看分子
4.1.2-后验概率最大化
4.2-朴素贝叶斯法的参数估计
4.2.1-极大似然估计
4.2.3-贝叶斯估计
有可能出现要估计的概率为0的可能,如没有哪个样本
作业
4.1
其中
4.2
二者为同一问题
总结:
1.朴素贝叶斯法是典型的生成学习方法。生成方法由训练数据学习联合概率分布P(X,Y),然后求得后验概率分布P(Y|X)。
2.朴素贝叶斯法的基本假设是条件独立性,
3.朴素贝叶斯法利用贝叶斯定理与学到的联合概率模型进行分类预测.