超级会员免费看
本文深入浅出地介绍了概率论中的先验概率与后验概率，以及极大似然估计的原理。接着，文章详细探讨了朴素贝叶斯分类器的假设、优缺点，并通过实例解释了如何运用朴素贝叶斯进行分类。最后，讨论了拉普拉斯平滑法在处理零概率问题中的作用，以及朴素贝叶斯在文档分类、垃圾邮件过滤等领域的应用。
B站：啥都会一点的研究生
公众号试读：啥都会一点的研究生
目录
说说先验概率与后验概率？
用“瓜熟蒂落”这个因果例子，从概率（probability）的角度说一下
先验概率：就是常识、经验所透露出的“因”的概率，即瓜熟的概率。
后验概率：就是在知道“果”之后，去推测“因”的概率，也就是说，如果已经知道瓜蒂脱落，那么瓜熟的概率是多少。
后验和先验的关系可以通过贝叶斯公式来求。也就是：P（瓜熟 | 已知蒂落）=P（瓜熟）×P（蒂落 | 瓜熟）/ P（蒂落）
说说极大似然估计的原理？
目的：利用已知样本结果，反推最有可能（最大概率）导致这样结果的参数值。
极大似然估计是建立在极大似然原理基础上的统计方法。提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。通过若干次试验观察结果，利用试验
订阅专栏 解锁全文
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
