贝叶斯概率模型

一、贝叶斯模型

1. 思想
   贝叶斯理论的思想，简单点讲就是要在已知条件的前提下，先设定一个假设，然后通过先验实验来更新这个概率。
2. 工作流程

3. 优点
   1. 基于古典数学理论，分类效率稳定
   2. 对缺失数据不敏感
   3. 准确度高，速度快
   4. 小规模数据表现好
   5. 能处理多分类
   6. 增量训练，分批训练
4. 缺点
   1. 依赖训练数据
   2. 属性不能相关
   3. 需要基于先验概率，假设出来的先验概率可能出错

二、判别模型和生成模型

1. 意义

   生成模型	判别模型
   据山羊的特征，首先学习出一个山羊模型；然后根据绵羊的特征学习到绵羊模型。然后从某一直羊中提取特征，分别放到山羊模型和绵羊模型中，判断哪个模型输出的概率大，哪个概率大就是哪个类	先从历史数据中学习到模型，然后通过提取这只羊的特征来预测这只羊是山羊的概率和绵羊的概率（即条件概率P(y

三、基于最小风险贝叶斯决策理论

1. 基于最小错误率
   
   
   

四、高斯判别分析模型

https://blog.csdn.net/qq_24729325/article/details/91040183