《机器学习》西瓜书课后题7.3

本文详细探讨了《机器学习》一书中7.3题关于拉普拉斯修正的朴素贝叶斯方法。文章指出在计算连续属性的条件概率时,需要注意pandas与numpy中方差的区别,并提供了python代码实现,展示了正例和负例的类先验概率及类条件概率,最终计算出判断为正例和负例的概率。
摘要由CSDN通过智能技术生成

《机器学习》课后题7.3

拉普拉斯修正后的朴素贝叶斯
要特地提醒一下,pandas的方差是无偏样本方差,numpy的方差是样本方差
书上152页用的显然是pandas中的,不然算出来连续属性的条件概率会有误差
关于这里的方差具体用哪一种暂时还没有看到特别的说法,只要始终用同一种应该不会影响最后的判断结果

python代码

import numpy as np
import pandas as pd


Data = np.array([
    [1, 1, 1, 1, 1, 1, 0.697, 0.460, 1],
    [2, 1, 2, 1, 1, 1, 0.774, 0.376, 1],
    [2, 1, 1, 1, 1, 1, 0.634, 0.264, 1],
    [1, 1, 2, 1, 1, 1, 0.608, 0.318, 1],
    [3, 1, 1, 1, 1, 1, 0.556, 0.215, 1],
    [1, 2, 1, 1, 2, 2, 0.403, 0.237, 1],
    [2, 2, 1, 2, 2, 2, 0.481, 0.149, 1],
    [2, 2, 1, 1, 2, 1, 0.437, 0.211, 1],
    [2, 2, 2, 2, 2, 1
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
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