《统计学习方法》（李航著）读书笔记 第四章 朴素贝叶斯法

最新推荐文章于 2024-01-29 18:09:44 发布
最新推荐文章于 2024-01-29 18:09:44 发布
阅读量249 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
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_43826681/article/details/108212371
版权

相关视频：
朴素贝叶斯分类器 (Naive Bayes Classifier)

目录

第四章 朴素贝叶斯法

朴素贝叶斯（naive Bayes）法：基于贝叶斯定理与特征条件独立假设的分类方法

假设：特征条件独立
学习：输入/输出的联合概率分布
输入：x
输出：利用贝叶斯定理求出后验概率最大的输出y

4.1 朴素贝叶斯法的学习与分类

4.1.1 基本方法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

朴素贝叶斯法：生成模型

条件独立假设使朴素贝叶斯法变得简单，但有时会牺牲一定的分类准确率。

4.1.2 后验概率最大化的含义

略

4.2 朴素贝叶斯法的参数估计

4.2.1 极大似然估计

在这里插入图片描述

4.2.2 学习与分类算法

在这里插入图片描述

例4.1
在这里插入图片描述
在这里插入图片描述

4.2.3 贝叶斯估计

在这里插入图片描述

例4.2
在这里插入图片描述

炼丹的蜗牛@/"
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
朴素贝叶斯算法（理论部分）-Theory of naive Bayes
weixin_41899207的博客
04-23 550
1.朴素贝叶斯概念： 朴素贝叶斯是基于贝叶斯公式与特征条件独立假设的分类方法(注：贝叶斯公式是数学定义，朴素贝叶斯是机器学习算法)。朴素贝叶斯基于输入和输入的联合概率分布，对于给定的输入，利用贝叶斯公式求出后验概率最大的输出y。即可以总结为以下三点 1.已知类条件概率密度函数表达式和先验概率 2.利用贝叶斯公式转换成后验概率 3.根据后验概率大小进行决策分类 *贝叶斯公式： 2.基...
带你搞懂朴素贝叶斯算法原理
akira
03-18 4133
一、朴素贝叶斯是什么，怎么用？ 贝叶斯定理：朴素贝叶斯定理体现了后验概率 P(y|x)P(y|x)P(y|x) 、先验概率 P(y)P(y)P(y) 、条件概率 P(x|y)P(x|y)P(x|y) 之间的关系： P(y|x)=P(x,y)P(x)=P(x|y)⋅P(y)P(x)P(y|x)=P(x,y)P(x)=P(x|y)⋅P(y)P(x)P(y|x)=\frac{P(x...
机器学习：Naive Bayes
qcyfred的博客
02-27 428
Naive Bayes（朴素贝叶斯）可用于分类（监督、有训练数据的）。应用场景：信用卡信用评级、垃圾邮件判别、化验结果推断患病情况……举例。信用卡信用评级：高风险客户和低风险客户。C=1：高风险客户（借钱不还）， C=-1：低风险客户（信用评级良好）。x为客户的一些特征，例如用2分量的向量x = (x1, x2) = (月收入, 月支出)来描述（representation）一个客户。P(C)： ...
【机器学习】Naive Bayes 朴素贝叶斯
duxinyuhi的专栏
10-10 1897
1.基本原理和步骤 Naive Bayes methods are a set of supervised learning algorithms based on applying Bayes’ theorem with the “naive” assumption of independence between every pair of features. Given a clas
机器学习算法1-朴素贝叶斯（Naive Bayes
lansus的博客
06-12 455
　　本人是一名Android Developer， 对人工智能比较感兴趣，所以决定自学进入这一领域，一边学一边通过写日志的方式巩固自己的知识，也许写的不是很好，但是希望能够给志同道合的人们一些帮助。 　　朴素贝叶斯 　 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 。最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Nai...
《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第4章 朴素贝叶斯法
weixin_42046845的博客
01-25 1402
《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第4章 朴素贝叶斯法
《统计学习方法.李航》学习笔记.V0.9.阅读版.pdf
09-20
《统计学习方法》是由李航编著的一本介绍统计学习理论和技术的书籍。在李航的这部作品中，他详细地阐述了统计学习方法的概念、原理和各类算法。本书强调统计学习是一门利用数据构建模型，并通过模型对数据进行预测和...
《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第5章 决策树
最新发布
weixin_42046845的博客
01-29 1393
《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第5章 决策树
李航-《统计学习方法》学习笔记.docx
11-21
"李航-《统计学习方法》学习笔记" 本笔记总结了李航的《统计学习方法》一书中的重要知识点，并结合西瓜书等其他资料对机器学习知识进行了整理。 进程和线程 进程和线程都是一个时间段的描述，是 CPU 工作时间段的...
Python-统计学习方法李航值得反复读笔记代码参考文献Errata
08-11
《统计学习方法》是李航博士的一本经典著作，它深入浅出地介绍了机器学习的基本概念、理论和算法。这本书以其严谨性和实用性深受广大读者喜爱，尤其在Python开发的机器学习领域，它更是不可或缺的参考资料。这个...
朴素贝叶斯分类法
01-10
使用朴素贝叶斯方法实现的中文文本分类算法
Machine Learning机器学习 - Supervised Learning监督学习 - Native Bayes
shuizongbei的专栏
12-22 495
Machine Learning机器学习 - Supervised Learning监督学习 - Naive Bayes 理论篇 Bayes Theorem 实现篇 Python - 调用scikit N
朴素贝叶斯详解
刘伟的博客
12-25 3700
朴素贝叶斯分类是一种十分简单的分类算法，它的核心思想就是：求解某样本在此特征组合情况下属于各个类别的概率，哪个类别对应的概率最大，就猜测属于该类别。举个例子，当你看到今天的温度，湿度和空气状况，判断今天属于春天还是冬天；假如你在北京，今天气温5度，干燥，轻度雾霾，那么你就很可能觉得今天应该是冬天了；就是根据一组特征值来判断属于哪种类别的概率大。其数学定义如下：  假设类别集合为C={c1,c2,..
朴素贝叶斯法
优化算法
09-22 515
朴素贝叶斯的基本思想是根据贝叶斯定理以及基于特征条件独立假设的分类方法。对于给定数据集，首先根据特征条件独立假设，学习输入XX和输出YY的联合概率分布P(X,Y)P(X,Y)，然后基于此模型，对于输入xx，利用贝叶斯定理求出后验概率最大的输出yy。 设输入空间χ⊆Rn\chi \subseteq \mathbf{R}^n为nn维向量的集合，输出空间为类标记集合γ={c1,c2,⋯,cK}\gam
深度学习基础 - 朴素贝叶斯
flyfish
10-19 765
贝叶斯公式flyfish随机试验 1.可以在相同的条件下重复的进行。 2.每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果。 3.进行一次试验之前不能确定哪一个结果会出现。样本空间 随机试验E的所有可能结果组成的集合称为E的样本空间，记为S样本点 样本空间的元素即E的每个结果称为样本点事件 试验E的样本空间S的子集为E的随机事件，简称事件事件发生 在每次试验中，当且仅当这一
朴素贝叶斯理论推导与三种常见模型
风先生的日常专栏
07-03 1835
1. 朴素贝叶斯的理论基础 贝叶斯定理、特征条件独立假设就是朴素贝叶斯的两个重要的理论基础。 1.1 贝叶斯定理 P(A|B)表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率。其基本求解公式为：P(A|B)=P(AB)P(B)P(A|B)=P(AB)P(B)P(A|B)=P(AB)P(B) 贝叶斯定理便是基于条件概率，通过P(A|B)来求P(B|A)： ...
朴素贝叶斯理论及分类
zyflhh1314的博客
04-23 1045
贝叶斯理论是托马斯.贝叶斯(Thomas Bayes)提出的，解释了在没有太多可靠信息的情况下如何做出做好的数学逻辑推测，即不了解事物的全貌进行判断。利用先验概率和已知信息概率推测后验概率，也可以描述两种不同条件概率关系。事件A在事件B（发生）的条件下的概率，与事件B在事件A（发生）的条件下的概率不一样，但存在某种关系。后验概率=条件概率/全概率。 概率模型的训练过程实际上是求参数估计的过程。似然...
简述朴素贝叶斯
guan__ye的博客
03-22 254
现在人工智能这么火，相对的算法也开始火起来了！之前接触过一些算法，但是感觉太难了  就不想去碰了 看了这么多的例子，自己有了一些了解公式是：P（分类|现象）=P（现象|分类）* P（分类）/P(现象)；这里呢比如说有两个碗：第一个碗里有2个黄色小球和2个红色小球第二个碗里有4个黄色小球和6个红色小球用手拿的话：在第一个碗里拿到黄色小球的概率是50%，红色小球的概率也是50%在第二个碗里拿到黄色小球...
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