bayes笔记

最新推荐文章于 2024-09-08 13:16:42 发布

ziyue246

最新推荐文章于 2024-09-08 13:16:42 发布

阅读量127

点赞数

分类专栏：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/ziyue246/article/details/93037042

版权

机器学习专栏收录该内容

11 篇文章 0 订阅

订阅专栏

朴素贝叶斯法的基本假设是条件独立性：

$\LARGE \LARGE P(x|y_k) = P(x_1,x_2\cdot \cdot \cdot x_n|y_k) =\prod_{i=1}^n P(x_i|y_k)$

朴素贝叶斯分类：

$\LARGE P(y_k|x) = \tfrac{P(x|y_k) \cdot P(y_k)}{P(x)} = \tfrac{P(x|y_k) \cdot P(y_k)}{\sum_i P(x|y_k) \cdot P(y_k)}$

$\large \LARGE \LARGE \tilde{y} = f(x) = arg (\max_{k} \tfrac{P(y_k)\cdot \prod_{i=1}^{n} P(x_i|y_k)}{ \sum_k P(y_k)\cdot \prod_{i=1}^{n} P(x_i|y_k)}) \\ \\ \propto arg (\max_{k} P(y_k)\cdot \prod_{i=1}^{n} P(x_i|y_k))$

参考：统计学习方法-李航

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。