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 | ![](https://img-blog.csdnimg.cn/20190228171624602.png) | ![](https://img-blog.csdnimg.cn/20190228171733728.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3MwMDBkYQ==,size_16,color_FFFFFF,t_70) | 可能会出现概率为0的情况 |
贝叶斯估计 | ![](https://img-blog.csdnimg.cn/20190228171934714.png) | ![](https://img-blog.csdnimg.cn/20190228171902241.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3MwMDBkYQ==,size_16,color_FFFFFF,t_70) | 给分子分母加上正数![\lambda](https://private.codecogs.com/gif.latex?%5Clambda) |
补充知识点
极大似然估计
参考博客
贝叶斯估计
参考博客