《统计学习方法》读书笔记——第四章 朴素贝叶斯

最新推荐文章于 2023-10-25 21:03:11 发布
最新推荐文章于 2023-10-25 21:03:11 发布
阅读量246 收藏
点赞数
分类专栏： 统计学习方法-李航 读书笔记
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/s000da/article/details/88035939
版权

写在前面

本系列博客是自己对于《统计学习方法》这本书的读书笔记，在读过每个章节以后根据自己的理解写下这一章的知识框架以及补充一些延伸知识点。

目录

写在前面

本章框架

朴素贝叶斯方法

参数估计

补充知识点

极大似然估计

贝叶斯估计

本章框架

朴素贝叶斯方法

朴素贝叶斯：基于贝叶斯定理与特征条件独立假设。

根据先验概率分布和条件概率分布，

计算后验概率分布，输出后验概率最大的类别。

参数估计

朴素贝叶斯法中需要估计和，两种估计方法：

 先验概率条件概率备注
极大似然估计可能会出现概率为0的情况
贝叶斯估计给分子分母加上正数\lambda

 

补充知识点

极大似然估计

参考博客

贝叶斯估计

参考博客

'Themis'
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
东北大学应用数理统计知识点总结——复习知识点（浓缩版）
qq_36770651的博客
12-12 3526
复习知识点（浓缩版） 第一章 协方差矩阵的计算、证明变量独立 期望定义、标准正态的绝对值的期望、方差 标准正态查表 中心极限定理、切比雪夫不等式 常用分布对应的密度函数、期望、方差 三大分布（非常重要，要会熟练推导） 顺序统计量的密度函数，顺序统计量的期望、方差 第二章 矩估计 极大似然估计 概率密度函数 求对数 对要求的参数求导 导数等于0，求极值点（会求导数大于零、小于零的情况） 区间估计 构造三大分布和标准正态分布 用分位点进行区间估计即可。注意F分布的非负性 贝叶斯估计 B(d)=E{E(L[
【学习笔记】《模式识别》4：贝叶斯判别准则
weixin_43894455的博客
11-17 2739
贝叶斯分类器
【模式识别】贝叶斯决策模型理论总结
Luo_LA的博客
10-25 1524
概率与我们的生存、生活是密不可分的，在我们的生活中要想使我们的期望效用最大化，我们必须考虑各种客观条件的存在，用理性的科学的思维去判断问题、分析问题，最终做出正确的决策。在做最小最大贝叶斯决策时，若考虑P(w_i)有可能改变或对先验概率毫不知晓的情况下，应选择贝叶斯风险R为最大值时的P(w_i)来设计分类器，此时能保证其风险相对于其它的P(w_i)为最大，而能保证在不管P(w_i)如何变化，使最大最小风险为最小。通常，事件A在事件B(发生)的条件下的概率，与事件B在事件A的条件下的概率是不一样的；
朴素贝叶斯(NB)、逻辑回归(LR)、隐马尔科夫模型(HMM)、条件随机场(CRF)
Sundrops的专栏
07-22 7722
一直在搞CNN/RNN，对传统的知识了解一直不够，今天恰好看一篇论文需要CRF的知识，就借机都学习一下 梗概 朴素贝叶斯：生成式模型，条件独立 —> 序列形式 隐马尔科夫模型 —> 图形式 通用有向图模型 逻辑回归：判别式模型，条件不独立 —> 序列形式 线性链条件随机场 —> 序列形式 通用条件随机场 朴素贝叶斯 贝叶斯公式 P(Y|X)=...
贝叶斯线性回归（Bayesian Linear Regression）
热门推荐
Daunxx的专栏
06-21 9万+
在很多的机器学习或数据挖掘的问题中，我们所面对的只有数据，但数据中潜在的概率密度函数是不知道的，其概率密度分布需要我们从数据中估计出来。想要确定数据对应的概率密度分布，就需要确定两个东西：**概率密度函数的形式** 和 **概率密度函数的参数**。
统计学习方法之朴素贝叶斯理解和代码复现
12-22
朴素贝叶斯 联合概率 P(A,B) = P(B|A)*P(A) = P(A|B)*P(B)将右边两个式子联合得到下面的式子： P(A|B)表示在B发生的情况下A发生的概率。P(A|B) = [P(B|A)*P(A)] / P(B) 直观理解一下这个式子，如下图，问题A在我们...
《机器学习实战》第四章基于概率论的分类方法：朴素贝叶斯
08-04
《机器学习实战》第四章主要探讨了基于概率论的分类方法，特别是朴素贝叶斯分类器。朴素贝叶斯是一种基于贝叶斯决策理论的分类模型，它利用条件概率来预测未知数据的类别。以下是该章节详细的知识点解析： 1. **...
学习笔记———《朴素贝叶斯分类及其应用》
12-06
最近学习了一下朴素贝叶斯，看了相关文档等资料，在自己理解的基础上整理如下笔记。
带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、KNN、SVM、决策树.pdf
06-14
带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、KNN、SVM、决策树.pdf带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、KNN、SVM、决策树.pdf带你入门常见的机器学习分类算法——逻辑回归、朴素...
带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、KNN、SVM、决策树.docx
06-14
带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、KNN、SVM、决策树.docx带你入门常见的机器学习分类算法——逻辑回归、朴素贝叶斯、KNN、SVM、决策树.docx带你入门常见的机器学习分类算法——逻辑回归、...
东北大学应用数理统计第一章知识点总结——抽样分布.pdf
11-28
东北大学应用数理统计第一章知识点总结——抽样分布知识点PDF版本 内容见https://blog.csdn.net/qq_36770651/article/details/109724407
东北大学应用数理统计第二章知识点总结——参数估计.pdf
11-28
东北大学应用数理统计第二章知识点总结——参数估计，知识点总结PDF版本 内容详见https://blog.csdn.net/qq_36770651/article/details/109829564
模式识别第一次实验贝叶斯原理
04-23
1. 通过实验了解贝叶斯判别的原理； 2. 熟悉多元类别问题的处理； 3. 通过不同方式选取数据、选取数目不同的数据样本、不同方法估计先验概率，加深对该类问题的理解 实验原理、实验结果、实验程序
应用数理统计学习笔记（一）
dizhuangrou5770的博客
09-02 937
1 概述 1 数理统计是以概率论为基础，研究关于实验数据的收集、整理、分析和推断的一门学科。 2 在数理统计的框架下，统计推断的本质是从获取的信息中数据或者信息中得到关于所获取信息的分布的结论。在之前学习的概率论中，我们通常是从一个已知的分布情况出发，了解此分布的具体性质，而在正如上文所述，在统计中我们是通过一组数据去寻找它所符合的分布进而知道他的特点。 3 统计推断具体来讲包含两部分内...
东北大学应用数理统计第四章知识点总结——方差分析
qq_36770651的博客
12-01 1197
方差分析 一、基本概念 1.1 定义 研究一个（或多个）分类自变量如何影响一个数值因变量的统计分析方法 1.2 目的 判断某些因素对于我们感兴趣的因变量是否具有“显著”的影响 如果因素间有交互效应，寻找最佳搭配方案 1.3 特点 方差分析与一般的假设检验：方差分析处理的是多个均值的情况 方差分析与回归、相关分析：回归与相关处理的是两个数值变量的问题，相应的散点在 xxx 轴上具有顺序（从小到大），而方差分析的数据在 xxx 轴上可以任意交换位置。 1.4 数学模型 1、定义 响应变量（因变量）
模式识别学习——贝叶斯分类
wulafly的博客
11-18 9308
1、主要工作 （1）以身高为例，画出男女生身高的直方图并做对比； （2）采用最大似然估计方法，求男女生身高以及体重分布的参数； （3）采用贝叶斯估计方法，求男女生身高以及体重分布的参数 （4）采用最小错误率贝叶斯决策，画出类别判定的决策面。并对样本的身高体重分别为(160,45)及(178,70)时进行分类判别。 2、工作具体内容 2.1 以身高为例，画出男女生身高的直方图并做对比
模式识别之贝叶斯---朴素贝叶斯（naive bayes）算法及实现
weixin_34353714的博客
04-20 257
处女文献给我最喜欢的算法了 ⊙▽⊙ ---------------------------------------------------我是机智的分割线---------------------------------------------------- [important] 　　阅读之前你需要了解：1、概率论与数理统计基础 　　　　　　　　　　　　2、基本的模式识别概念 [beg...
jiaoyanguizeduibi
最新发布
07-10
jiaoyanguizeduibi
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。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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