概率图模型
概率图表示
1、朴素贝叶斯模型的原理及其概率图模型表示
朴素贝叶斯模型通过预测指定样本属于特定类别的概率 P ( y i ∣ x ) P(y_i|x) P(yi∣x) 来预测该样本的所属类别,即
y = m a x y i P ( y i ∣ x ) y=max_{y_i}P(y_i|x) y=maxyiP(yi∣x)
P ( y i ∣ x ) P(y_i|x) P(yi∣x)可以写成
其中 x = ( x 1 , x 2 , . . . , x n ) x=(x_1,x_2,...,x_n) x=(x1,x2,...,xn)为样本对应的特征向量, P ( x ) P(x) P(x)为样本的先验概率。对于特定的样本 x x x和任意的类别 y i y_i yi, P ( x ) P(x) P(x)的取值均相同,并不会影响 P ( y i ∣ x ) P(y_i|x) P(y