- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 朴素贝叶斯
朴素贝叶斯前言基本方法 前言 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。首先基于特征条件独立的假设学习输入/输出的联合概率分布P(X,Y)P(X,Y)P(X,Y);然后根据此模型对于给定的输入xxx,利用贝叶斯定理求出后验概率最大的输出yyy，即P(Y∣X)P(Y|X)P(Y∣X)，朴素贝叶斯是一个生成模型。所谓的特征条件独立是在类别确定的情况下实例的特征之间是独立的。 基本方法 训练数据集T={(x1,y1),(x2,y2),⋅⋅⋅,(xN,yN)}T=\lbrace (x_1,y_1),
2020-06-30 22:25:31
74
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人