做宝可梦属性分类
一个宝可梦可以用一个向量(vector)来表示,里面有7个属性
训练集样式
我们希望在分类函数f(x)内部有个g(x),大于0,输出一类,否则另一类
损失函数定义为分类失败的次数,分类失败,就为1
贝叶斯公式,已知从选Box1 的概率和从Box1中挑选蓝色球的概率
,
在已知是蓝色球的情况下,问从Box1来的概率。知果求因。这个因(盒子)就是类别。
和
叫作先验概率,是一种总体的分布。
1.根据样本,算class的总体分布情况。
2.假设一个模型(高斯),用极大似然估计算x的参数,得到x的分布
3.求p(x|c)p(c)可以用x,c的联合分布求P(xc)
4.求贝叶斯的分母可以用x的边缘分布,对c积分
5.根据贝叶斯公式代值进去,然后算概率p(c|x)
>0.5可以划为class1
否则class2
分类结束
求x是Class1 的概率,就是在x的条件下的条件概率
分母就是P(x)的几率,全概率公式
每一个宝可梦用一个向量描述,向量里面有器特征,这里仅仅取两个特征防御和特殊防御
假设79个的分布构成的是高斯分布,然后我们就可以根据海龟的向量来预测它是水系宝贝的概率
如果X向量的各个特征均独立,可以拆成下面酱紫,每一个都可以看成高斯分布,这就是朴素贝叶斯