- 生成模型和判别模型
判别模型:输入x,直接建模P(y|x)来得到c
生成模型:先对P(y,x)进行建模,然后再由此获得P(y|x) - 先验概率、条件概率/似然
类先验概率:p(y)
条件概率、似然:p(x|y) - 朴素贝叶斯分类
目标函数:(其实是最小化分类错误率)
y=argmaxP(y=Ck)∏jP(Xj=xj|Y=ck) y = a r g m a x P ( y = C k ) ∏ j P ( X j = x j | Y = c k )
损失函数:0-1损失函数
基本假设:条件独立性(用于分类的特征在类确定的条件下都是条件独立的),解决组合爆炸、样本稀疏等问题
参数估计方法:极大似然估计和贝叶斯估计
极大似然估计:
试图在参数所有可能的取值中,找到一个能使数据出现的可能性最大的值。
对于离散属性而言P
贝叶斯分类知识点梳理
最新推荐文章于 2024-06-02 08:00:00 发布