前知识了解:
- 贝叶斯决策论是概率框架下实施决策的基本方法。
- 贝叶斯定理:
贝叶斯定理是由果溯因的思想,当知道某件事情的结果后,由结果推断出这件事是由各种原因导致的概率为多少。 - 极大似然估计:
朴素贝叶斯分类器:
画重点:啥为”朴素”?(基于“属性条件独立性假设”:对已知类别,假设所有属性相互独立,换言之,假设每个属性独立地对分类结果发生影响。这是对朴素的定义)
基于朴素可以分别重新定义贝叶斯定理和贝叶斯判定准则,如下:
-
重新定义贝叶斯定理:
-
重新定义贝叶斯判定准则:
-
求解朴素贝叶斯分类器:
结合下面例子求解过程:
(注本章节主要出自周志华《机器学习》,对于朴素贝叶斯分类器该书已经分析的很透彻,很合适看好几遍慢慢理解!这里只是对自己理解进行简单梳理。)