naive bayes
生成模型
概率论
条件概率
P(A|B)=P(AB)P(B)
全概率:
P(A)==∑iNP(A|Bi) P(Bi)∑iNP(ABi),把所有包含A的情况都加起来
贝叶斯公式:
P(A|B)↓P(Ak|B)==P(AB)→P(B|Ak) P(Ak)P(B)→∑iP(B|Ai) P(Ai)P(B|Ak) P(Ak)∑i=1KP(B|Ai) P(Ai)
模型
对于给定的条件B = [x1,x2,⋯,xn] 分母P(B)为定值,所以只需要比较分子部分即可得出属于哪个的概率大.
y=argmaxAiP(Ai) ∏k=0nP(xk|Ai),Ai为类别[y1,y2,⋯,ym]
模型学习得到 类别的概率分布,在类别条件下的特征概率分布.
朴素贝叶斯模型 为生成模型
贝叶斯估计
防止概率=0,计数的时候每个类别+λ (λ>0,λ=1时为拉普拉斯平滑)