[阅读笔记]《统计学习方法》李航著：Chp4 朴素贝叶斯法

最新推荐文章于 2023-11-10 16:17:34 发布
最新推荐文章于 2023-11-10 16:17:34 发布
阅读量207 收藏
点赞数
分类专栏： 阅读笔记 统计学习方法 文章标签： 统计学习方法 李航 机器学习 朴素贝叶斯 计算机
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/qq_31895943/article/details/80053980
版权

[阅读笔记]《统计学习方法》李航著：Chp4 朴素贝叶斯法

本章概要

朴素贝叶斯法概要1
朴素贝叶斯法概要2

4.1 朴素贝叶斯法的学习与分类

  • 一重要假设前提：训练数据集是独立同分布产生的
  • 另一重要假设：条件独立性假设
  • 朴素贝叶斯的原理——后验概率最大化等价于期望风险最小化

4.2 朴素贝叶斯法的参数估计

  • 极大似然估计：直接统计频数
  • 贝叶斯估计
    Why：因为极大似然估计可能会出现所要估计的概率值为0的情况，影响到后验概率的计算结果，进而使分类产生偏差
    What：在频数上增加一个正数 λ λ ，该值为0时为极大似然估计，为1时称为拉普拉斯平滑
ahigan
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
李航老师《统计学习方法》第2版课件：第4章 贝叶斯分类器.rar
03-10
《统计学习方法》是李航教授的一本经典教材，它深入浅出地介绍了机器学习中的各种理论和技术。在第4章“贝叶斯分类器”中，李航老师详细讲解了贝叶斯理论及其在分类问题中的应用。贝叶斯分类器是一种基于概率的预测...
统计学习方法李航版本笔记1—5章.pdf
10-05
《统计学习方法》是李航博士的一本经典著作，涵盖了机器学习领域的重要理论与方法。这本书的前五章主要介绍了统计学习的基础概念、监督学习的基本框架以及几种重要的学习算法。以下是对这些章节内容的详细说明： 第...
统计学习方法 李航---第4章 朴素贝叶斯法
dazhichang6061的博客
07-28 350
第4章 朴素贝叶斯法 朴素贝叶斯 (naive Bayes) 法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出Y。 4.1 朴素贝叶斯法的学习与分类 基本方法 朴素贝叶斯法通过训练数据集学习X和Y的联合概率分布 P(X,...
统计学习方法资源汇总
Demon-初来驾到
03-07 4175
统计学习方法资源汇总
朴素贝叶斯法的参数估计
f81892461的专栏
09-26 767
极大似然估计 在朴素贝叶斯法中，可以使用极大似然估计法估计相应的概率。可以用极大似然估计去估计先验概率。 贝叶斯估计： 用极大似然估计可能会出现所要估计的概率值为0的情况。这时会影响到后验概率的结果。使分类产生误差。
【统计学习方法-李航-笔记总结】四、朴素贝叶斯法
zl3090的博客
10-10 538
本文是李航老师《统计学习方法》第四章的笔记，欢迎大佬巨佬们交流。 主要参考博客： https://blog.csdn.net/zcg1942/article/details/81205770 https://blog.csdn.net/wds2006sdo/article/details/51967839（代码实现） 主要内容包括： 1. 补充贝叶斯定理基础知识 2. 朴素贝叶斯法的学...
[统计学习方法习题实战]Task04:朴素贝叶斯法
m0_59286668的博客
02-24 122
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.
统计学习方法源码_李航、统计学习方法_
10-03
《统计学习方法》是机器学习领域的一本经典教材，由李航教授撰写。该书深入浅出地介绍了各种机器学习算法，包括监督学习、无监督学习、半监督学习和强化学习等多个方面。提供的源码实现是为了帮助读者更好地理解和...
统计学习方法（李航）算法4.1（朴素贝叶斯算法）C++简单实现
09-29
对《统计学习方法》（李航），算法4.1朴素贝叶斯算法，以例4.1为例用C++简单实现。
李航《统计学习方法》例4.1朴素贝叶斯法的参数估计 之 极大似然估计 ——实现代码
少年一贯快马扬帆，道阻且长不转弯； 要盛大，要绚烂，要哗然； 要用理想的泰坦尼克，去撞现实的冰川； 要当烧赤壁的风，而非借鉴草船； 要为了一片海，就肯翻万山。
01-15 2558
# 2021.01.15 By yangbocsu 例4.1试由表 4.1的训练数据学习一个朴素贝叶斯分类器并确定x = (2, S)T的类标记y。表中X(1), X(2)为特征，取值的集合分别为A1 = {1,2,3}, A2 ={S,M,L}, Y为类标记，Y∈C= {1,-1}。 # 2021.01.15 By yangbocsu import numpy as np import matplotlib.pyplot as plt import time train_data =...
机器学习第七章贝叶斯分类器
最新发布
软肋.的博客
11-10 242
EM算法的用途是用于参数估计，基本思想是通过两个步骤：E步（Expectation）和M步（Maximization）来进行计算，E步计算隐变量的期望，M步极大化似然函数来估计模型参数，直至收敛或达到预设迭代次数。P(cj|x) = P(浅白|cj)P(蜷缩|cj)P(清脆|cj)P(清晰|cj)P(平坦|cj)P(硬滑|cj)P(cj) / P(x)7.在朴素贝叶斯分类器的训练过程中，为了避免其他属性携带的信息被训练集中未出现的属性值抹“抹去”，在估计概率值时通常要进行“平滑”，常用。
Datawhale统计学习方法打卡Task04
tangxianyu的博客
02-24 782
学习教材《（第二版）》李航学习内容：第4章 朴素贝叶斯法。
【自己动手写机器学习算法】第4章 朴素贝叶斯
自信，就总会有好事儿！
09-03 382
第4章 朴素贝叶斯 朴素贝叶斯的基本思想是： 基于特征条件独立假设学习输入和输出的联合概率分布，然后，基于此模型，对给定的输入xxx，利用贝叶斯订立求出后验概率最大的输出yyy，根据《统计学习方法》书中的规划，这里将简述朴素贝叶斯的学习和分类、朴素贝叶斯的参数估计方法。 4.1 朴素贝叶斯的学习和分类 4.1.1简述 输入:训练数据集 T={(x1,y1),(x2,y2),(xi...
朴素贝叶斯法的参数估计理论
rover
05-18 1419
贝叶斯的参数估计 朴素贝叶斯方法需要知道先验概率，此时 P(Yi)P(Y_i)P(Yi​)是先验概率，P(X∣Yi)P(X|Y_i)P(X∣Yi​)是类的条件概率密度。 P(Yi)P(Y_i)P(Yi​)容易得到，对类的条件密度的估计存在两个问题：1，实际的样本对于类条件概率的估计来说，太少了；2，有时特征空间的维度太高，计算复杂度太高。 为了降低估计难度，我们可以将类条件密度参数化，比如用正态分布来估计P(X∣Yi)P(X|Y_i)P(X∣Yi​)（极大似然）。 再来一遍： 根据贝叶斯公式，利用先验概率和
机器学习必备宝典-《统计学习方法》的python代码实现、电子书及课件
10点43的博客
11-27 490
本文转自微信公众号：机器学习初学者 原创： 机器学习初学者 机器学习初学者 6天前 《统计学习方法》可以说是机器学习的入门宝典，许多机器学习培训班、互联网企业的面试、笔试题目，很多都参考这本书。本站根据网上资料用python复现了课程内容，并提供本书的代码实现、课件及电子书下载。 1.《统计学习方法》简介 《统计学习方法》全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括...
李航老师《统计学习方法》及相关资源（代码、课件）的汇总及下载
热门推荐
一路向北的博客
11-16 1万+
编辑 | Will 出品 | 字节AI 李航：毕业于日本京都大学电气电子工程系，日本东京大学获得计算机科学博士学位。1990年至2001年就职于日本NEC 公司中央研究所，任研究员，2001年至2012年就职于微软亚洲研究院，任高级研究员与主任研究员。2012年至2017年就职于华为技术有限公司诺亚方舟实验室，任首席科学家、主任。现任字节跳动科技有限公司人工智能实验室总监，北京大学、南京大学客座教授，IEEE 会士，ACM 杰出科学家，CCF 高级会员。研究方向包括信息检索，自然语言处理，统计机...
笔记、代码清晰易懂！李航《统计学习方法》最新资源全套！
datayx的文章
04-09 2613
向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号：datayxReview第一遍的时候， 发现之前很多东西整理的不好。~~所以， 后面会大整改一遍，...
朴素贝叶斯 后验概率最大化的含义
zhengjihao的博客
09-22 4023
朴素贝叶斯法将实例分到后验概率最大化的类中。这等价与期望风险最小化。假设选取的是0-1损失函数， L(y,f(x))={10y≠f(x)y=f(x)L(y,f(x)) = \begin{cases} 1 & y \neq f(x) \\ 0 & y = f(x) \end{cases} 这是期望风险函数为 Rexp(f)=∫∫DXYL(y,f(x))P(x,y)dxdy=R_{exp}(
李航统计学习方法朴素贝叶斯
09-22
李航的《统计学习方法》全面介绍了统计学习的主要方法，包括朴素贝叶斯法。该书对朴素贝叶斯法进行了全面系统的叙述，包括其学习与分类方法以及参数估计算法。朴素贝叶斯法是该书介绍的一种监督学习方法之一。
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