贝叶斯分类器原理

本文深入探讨了贝叶斯算法,包括全概率公式、贝叶斯公式及其在分类问题中的应用。重点讲解了朴素贝叶斯分类器,分析了离散型特征和连续型特征的处理方式,提供了条件概率和类概率的计算方法,为理解和实现贝叶斯分类器提供了基础。
摘要由CSDN通过智能技术生成

贝叶斯算法

贝叶斯算法主要解决于一个“逆概率”问题。
现实世界本身就是不确定的,因此我们需要根据观察到的事物的表面,推测事物的本质。
如果已知 B B B发生了,去探索某个原因 A A A导致发生的可能性, P ( A ∣ B ) P(A|B) P(AB),则总是使用贝叶斯看这原因占总原因的比例。

完备事件组

A 1 , A 2 . . . A i A_{1},A_{2}...A_{i} A1,A2...Ai的并集为全集 U U U,两两相交为空集,则称 A 1 , A 2 . . . A i A_{1},A_{2}...A_{i} A

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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