(三)朴素贝叶斯与垃圾分类Python代码实现

李航老师《统计学习方法》第二版学习笔记

知识点:

  • 朴素贝叶斯是基于贝叶斯定理与特征条件独立假设分类算法
  • 属于生成模型
  • 优点:算法逻辑简单,时空开销小
  • 缺点:条件独立性的假设可能会导致牺牲一定的分类准确性
  • 朴素贝叶斯的参数估计可以是极大似然估计贝叶斯估计
  • 贝叶斯公式:P(B|A)=\frac{P(A|B)P(B)}{P(A)}
  • 朴素贝叶斯分类器:y=argmax_{ck}P(Y=c_k)\prod_{j=1}^{n} P(X^{(j)}=x^{(j)}|Y=c_k\)
  • 极大似然估计先验概率:P(Y=c_k)=\frac{\sum_{i=1}^{N}I(y_i=c_k)}{N} 
  • 极大似然估计条件概率:P(X^{(j)}=a_{jl}|Y=c_k)=\frac{\sum_{i=1}^{N}I(x_i^{(j)}=a_{jl},y_i=c_k)}{\sum_{i=1}^{N}I(y_i=c_k)}
  • 贝叶斯估计先验概率:   P(Y=c_k)=\frac{\sum_{i=1}^{N}I(y_i=c_k)+\lambda }{N+K\lambda },λ=1时称为拉普拉斯平滑,K代表Y有K类
  • 贝叶斯估计条件概率:
  • 2
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

十二十二呀

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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