朴素贝叶斯法的学习与分类
来源:互联网 发布:linux 查看 arp cache 编辑:程序博客网 时间:2024/06/05 19:47
基本方法:
输入空间为n维向量的集合,输出空间为标记类的集合。训练数据集T={(x1,y1), (x2,y2),...,(xN,yN)}又P(X,Y)独立同分布产生。
朴素贝叶斯法通过训练数据集学习联合概率分布P(X,Y).
朴素贝叶斯法对条件概率分布做了条件独立性的假设。
朴素贝叶斯法实际上学习到生成数据的机制,所以属于生成模型。条件独立假设等于是说用于分类的特征在类确定的条件下都是条件独立的。这一假设使得朴素贝叶斯法变得简单,但是有时会牺牲一定的准确率。
朴素贝叶斯法分类时,通过学习到的模型计算对输入x计算后验概率分布p(y=Ck | x),将后验概率最大的类作为x的输出。
朴素贝叶斯法将实例划分到后验概率最大的类中,这等价于期望风险最小化。
0 0
- 朴素贝叶斯法的学习与分类
- 朴素贝叶斯方法的学习与分类
- 朴素贝叶斯分类的原理与流程
- 朴素贝叶斯法分类器的Python3 实现
- Python与机器学习(五)朴素贝叶斯分类
- Python机器学习与实战笔记之朴素贝叶斯分类
- 机器学习与R之朴素贝叶斯分类器
- 分类-朴素的贝叶斯
- 机器学习--朴素贝叶斯分类
- 【机器学习】朴素贝叶斯分类
- 【分类】朴素贝叶斯算法学习
- 机器学习--朴素贝叶斯分类
- 机器学习-朴素贝叶斯分类
- 机器学习-朴素贝叶斯分类
- 朴素贝叶斯与文本分类
- 朴素贝叶斯与文本分类
- 朴素贝叶斯与垃圾邮件分类
- 机器学习(二)-朴素的贝叶斯分类
- 链表节点的增加和删除--20150923
- c++primer第三章习题(2)
- SAP oracle10G升级到11G
- VS985破解电信4G或联通4G
- 简单的seo方法分享
- 朴素贝叶斯法的学习与分类
- [HW] OJ记录20题之一
- ios激情详解之动画页面翻转
- 《操作系统》总结四(文件管理)
- 微信连wifi3.1总结
- Android studio导入eclipse项目且不改变目录结构
- Java开发环境搭建之eclipse配置JDK
- Swift 类的使用
- java web 总结(一个servlet,多次请求)