《统计学习方法》- 朴素贝叶斯法

最新推荐文章于 2023-03-02 21:11:49 发布
最新推荐文章于 2023-03-02 21:11:49 发布
阅读量130 收藏
点赞数
分类专栏： 统计学
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_37889021/article/details/79261212
版权

4.1 朴素贝叶斯法的学习与分类

朴素贝叶斯对条件概率分布做了独立性假设如下：


该独立性假设为在类确定的条件下，不同特征是独立的（可能会降低一定的分类准确率）

贝叶斯定理：



后验概率最大化的含义



4.2 朴素贝叶斯法的参数估计




极大似然估计通过样本数据来得到所求参数满足所需条件时最可能的概率
使用极大似然估计可能出现概率为0的情况，所以可以采用贝叶斯估计替代


weixin_37889021
关注
专栏目录
统计学习方法（李航）算法4.1（朴素贝叶斯算法）C++简单实现
09-29
对《统计学习方法》（李航），算法4.1朴素贝叶斯算法，以例4.1为例用C++简单实现。
统计学习方法-朴素贝叶斯法
qq_42794545的博客
10-19 546
朴素贝叶斯（naive Byes）法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立于假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大输出y。朴素贝叶斯方法实现很很简单，学习与预测效率都很高，是一种常用的方法。 朴素贝叶斯法的学习与分类 基本方法： 后验证概率最大化含义 朴素贝叶斯法将实例分到后验概率最大的类中，这等价于期望风险最小化。为了使得风险最小化对X = x逐个及小化，根据期望风险最小化准则就..
统计学习方法-朴素贝叶斯法-读书笔记
qq_38829768的博客
11-11 392
1、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。 对于给定的训练数据集，首先基于特征条件独立假设学习输入输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。 朴素贝叶斯法实际上学习到生成数据的机制，所以属于生成模型。 2、模型 朴素贝叶斯法通过训练数据集学习联合概率分布p(x,y)，具体做法是学习先验概率分布p(y)与条件概率分布p(x,...
统计学习方法--朴素贝叶斯法
u012486361的博客
03-28 596
Summary:朴素贝叶斯定理是基于贝叶斯定理和特征条件独立假设的分类方法。1. 贝叶斯定理的理解    最近迷上了给我12岁的小弟打电话讲算法，他也听得欢喜。所以用一个简单的例子来理解一下，贝叶斯定理的用途。   小弟有一个每天到处蹭网玩游戏的邻居朋友，叫做小王，成绩非常差，班级倒数。但人的潜力是无穷的，不能否认后期变成不了学霸。只是短短一个学年内考到班级前十名，会比较困难，姑且认为有1%的概率...
李航统计学习方法-朴素贝叶斯
JohnBanana的专栏
04-16 2174
朴素贝叶斯法 朴素贝叶斯（naïve Bayes）法是基于贝叶斯定理与特征条件独立假设的分类方法[1]。 对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然 后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。朴素贝叶斯 法实现简单，学习与预测的效率都很高，是一种常用的方...
李航统计学习方法-朴素贝叶斯法
l_xyy的博客
07-07 964
今天看李航统计学习第四章–朴素贝叶斯，发现好多概率统计的概念都记不得了，于是只能找度娘，在找度娘的过程中，发现了一个很不错的博客： http://www.cnblogs.com/pinard/p/6069267.html 讲解的朴素贝叶斯算法通俗易懂。 如果不同全概率公式，可以百度一下，一看就懂。原本还比较懵懂的，看了这个瞬间懂了很多。配合李航书中的题目，对朴素贝叶斯能有更好的了解： （
统计学习方法——朴素贝叶斯法
weixin_52901905的博客
03-02 148
统计学习方法中关于“朴素贝叶斯”的模型
统计学习方法---朴素贝叶斯法
s151506879的博客
07-08 388
朴素贝叶斯法是基于贝叶斯定理和特征条件独立假设的分类方法。其对条件概率分布作了条件独立性的假设。        对于一个特征空间实例点x=(x1,x2，......，xn）：                                                （P（X=x，Y=Ck）=P（Y=Ck|X=x）*P（X=x）=P（X=x|Y=Ck）*P（Y=Ck））
统计机器学习--朴素贝叶斯法
qq_28634403的博客
06-17 267
虽然进度很慢，但是我还是继续做统计机器学习的学习记录，今天要记录的是朴素贝叶斯。 一. 朴素贝叶斯法的学习与分类 1.1 基本方法 朴素贝叶斯法通过训练数据集学习联合概率分布P(X, Y)。具体地，学习一下先验概率分布及条件概率分。先验概率分布 条件概率分布 ...
李航统计学习方法 Chapter4 朴素贝叶斯法
风信子的猫Redamancy的快乐星球
07-13 1269
如果想了解更多的知识，可以去我的机器学习之路 The Road To Machine Learning。
机器学习-高校舆情情感倾向分析-朴素贝叶斯法进行情感倾向分析
07-01
2.对爬取的信息进行去重和预处理，去掉爬取到的内容相同的博文，并将博文内容中的话题、用户名过滤掉，以便进行词频统计。...包含源码：爬虫+分词+数据预处理+词云+朴素贝叶斯情感倾向分析+可视化结果显示
统计学习方法-机器学习-第四章：朴素贝叶斯法
07-25
统计学习方法-机器学习-第四章：朴素贝叶斯法
matlab-朴素贝叶斯-鸢尾花数据集
08-31
在机器学习领域，朴素贝叶斯算法是一种简单而有效的分类方法。它基于贝叶斯定理，并假设特征之间相互独立，因此得名“朴素”。在这个项目中，我们将深入探讨如何使用Matlab实现朴素贝叶斯算法来对鸢尾花数据集进行...
机器学习 --- 朴素贝叶斯分类器
热门推荐
学习日常分享
06-23 2万+
第1关：条件概率 任务描述 本关任务：根据本节课所学知识完成本关所设置的选择题。 相关知识 为了完成本关任务，你需要掌握条件概率。 条件概率 朴素贝叶斯分类算法是基于贝叶斯定理与特征条件独立假设的分类方法，因此想要了解朴素贝叶斯分类算法背后的算法原理，就不得不用到概率论的一些知识，首当其冲就是条件概率。接下来就开启我们的条件概率之旅吧。 什么是条件概率 概率指的是某一事件A发生的可能性，表示为P(A)。而条件概率指的是某一事件A已经发生了条件下，另一事件B发生的可能性，表示为P(B|A)，举个例子： 今天有
统计学习方法----朴素贝叶斯Python实例
weixin_38862073的博客
11-15 274
朴素贝叶斯 1．朴素贝叶斯法是典型的生成学习方法，实际上学习到生成数据的机制，属于生成模型。生成方法由训练数据学习联合概率分布 P(X,Y)P(X,Y)P(X,Y)，然后基于此模型，对给定的输入xxx,求得后验概率分布P(Y∣X)P(Y|X)P(Y∣X) ，以后验概率最大的输出为yyy。具体来说，利用训练数据学习P(X∣Y)P(X|Y)P(X∣Y)和P(Y)P(Y)P(Y)的估计，得到联合概率分布...
PaddleX-YOLOv3.zip
10-04
PaddleX-YOLOv3
HarmonyOS Sans字体资源
最新发布
10-04
官方 HarmonyOS Sans字体资源。（来自官方公开资料）
深圳技术大学在辽宁2020-2024各专业最低录取分数及位次表.pdf
10-04
那些年，与你同分同位次的同学都去了哪里？全国各大学在辽宁2020-2024年各专业最低录取分数及录取位次数据，高考志愿必备参考数据
李航统计学习方法朴素贝叶斯
09-22
朴素贝叶斯方法是基于贝叶斯定理与特征条件独立假设的一种分类方法。它通过在给定的训练数据集上学习输入/输出的联合概率分布，并利用贝叶斯定理来求解给定输入的后验概率最大的输出。朴素贝叶斯方法的学习与分类相对简单，且具有高效的学习和预测效果，因此在实际应用中被广泛使用。 李航的《统计学习方法》全面介绍了统计学习的主要方法，包括朴素贝叶斯法。该书对朴素贝叶斯法进行了全面系统的叙述，包括其学习与分类方法以及参数估计算法。朴素贝叶斯法是该书介绍的一种监督学习方法之一。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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