朴素贝叶斯分类:拉普拉斯修正
来源:互联网 发布:为知笔记企业版 编辑:程序博客网 时间:2024/05/17 04:59
拉普拉斯修正
上面通过这个例子折射处一个问题:训练集上,很多样本的取值可能并不在其中,但是这不并代表这种情况发生的概率为0,因为未被观测到,并不代表出现的概率为0 。
正如上面的样本,看其他两个属性很可能属于好苹果,但是再加上颜色:青色,这三个属性取值组合在训练集中并未出现过,所以朴素贝叶斯分类后,这个属性取值的信息抹掉了其他两个属性的取值,在概率估计时,通常解决这个问题的方法是要进行平滑处理,常用拉普拉斯修正。
拉普拉斯修正的含义是,在训练集中总共的分类数,用 N 表示;di 属性可能的取值数用 Ni 表示,因此原来的先验概率 P(c) 的计算公式如何修正的呢?
请看公众号文章:
朴素贝叶斯分类:拉普拉斯修正
算法与机器学习
阅读全文
0 0
- 朴素贝叶斯分类:拉普拉斯修正
- 朴素贝叶斯分类:拉普拉斯修正
- 拉普拉斯修正的朴素贝叶斯分类器及AODE分类器
- 朴素贝叶斯分类器 拉普拉斯变换 java
- 机器学习第十五课(朴素贝叶斯,拉普拉斯修正,贝叶斯网络)
- 朴素贝叶斯分类
- 朴素贝叶斯分类
- 朴素贝叶斯分类器
- 朴素贝叶斯分类
- 朴素贝叶斯分类器
- 朴素贝叶斯分类
- 朴素贝叶斯分类器
- 朴素贝叶斯分类
- 朴素贝叶斯--情感分类
- 朴素贝叶斯分类器
- 朴素贝叶斯—分类
- 朴素贝叶斯分类器
- 朴素贝叶斯分类
- Word 2016公式输入新技巧
- JDK下载与安装教程
- 1042. 字符统计(20)--Python
- Linux学习之基础知识——Linux文件系统简介
- 数字图像处理matlab版第四章
- 朴素贝叶斯分类:拉普拉斯修正
- 什么是理论?什么是实践?
- 急需一份pycharm2017.2.4的 license server的注册码,源码失效啦
- 机器学习:单词拼写纠正器python实现
- python学习笔记
- 接口自动化测试PHPUnit-引入jenkins自动化执行
- VC++联合HALCON多线程处理图像
- 改 Bug
- Java 异常处理的误区和经验总结