Bayes分类器的基本思想是依据类的概率密度、概率,按照某种准则使分类结果从统计上讲是最佳的。换言之,根据类的概率、概率密度将模式空间划分成若干个子空间,在此基础上形成模式分类的判决规划。准则函数不同,所导出的判决规则就不同,分类结果也不同。
朴素贝叶斯分类器的过程如下:
![](https://i-blog.csdnimg.cn/blog_migrate/b89009fca08e8b3a6ed9bfa7ee41c550.png)
![](https://i-blog.csdnimg.cn/blog_migrate/6479eb1b7ddb29722e0917b187cf03f2.png)
![](https://i-blog.csdnimg.cn/blog_migrate/2a99a2d8ae94946be783840e942ce2b3.png)
Bayes分类器的基本思想是依据类的概率密度、概率,按照某种准则使分类结果从统计上讲是最佳的。换言之,根据类的概率、概率密度将模式空间划分成若干个子空间,在此基础上形成模式分类的判决规划。准则函数不同,所导出的判决规则就不同,分类结果也不同。
朴素贝叶斯分类器的过程如下: