贝叶斯(二)
来源:互联网 发布:阿里云销售工资 编辑:程序博客网 时间:2024/06/05 17:59
贝叶斯决策:即通过概率大小进行的决策。
期望损失=风险
损失函数:
条件风险:
现在将问题转换成最小化条件风险,即贝叶斯最优分类器。
所以,最终贝叶斯的原理,最小化分类错误率的贝叶斯最优分类器为:
在实际任务中,后验概率p(c|x)很难得到,可以通过联合概率分布p(x,c)建模,然后通过贝叶斯定理获得后验概率,这种方式得到的模型叫“生成式模型”。
贝叶斯定理:
所以,在贝叶斯中,学习意味着估计先验概率p(c),与条件概率p(x|c)。
朴素贝叶斯算法:
(1)计算先验概率和条件概率。
(2)对于给定实例X={x1,x2….xn},(xn为实例第n个特征),计算属于每个类别的概率。
(3)根据概率最大原则,确定实例属于的类别。
阅读全文
0 0
- 贝叶斯分类(二)
- 贝叶斯(二)
- 贝叶斯决策理论(二)
- 贝叶斯分类器(二)
- (二)
- (二):基二FFT
- 朴素贝叶斯算法学习 (二)
- 不可小视的贝叶斯(二)
- 凤凰涅磐(二十-二十五)
- 凤凰涅磐(二十六-二十七)
- 软件中的八二原则(二)
- 二 迭代器(二)相关辅助函数
- 二.Java编程基础(二)
- java提高篇(二二)-----LinkedList
- java提高篇(二二)-----LinkedList
- 黑客编程入门(二。二)
- (二十)java小练习二
- (二十六)svn的问题二
- js-定时器
- 自封装简单微信平台登录和获取用户信息
- python 模块和包
- hdu 5534 Partial Tree(dp+降唯)
- Mysql| where子句过滤数据(BETWEEN,IS NULL,=,!=,...)
- 贝叶斯(二)
- python-035
- 算法进阶3-2
- linux集群自动化免密部署服务
- spring cloud的网关服务Zuul
- 在此计算机中仅有部分visual studio2010产品已升级到SP1,只有全部升级,产品才能正常运行
- TP3.2加载外部PHPexcel类,实现导入和导出
- Numpy库学习—squeeze()函数
- 数据库验证:用户登录框,动态产生验证码