机器学习(周志华) 参考答案 第七章 贝叶斯分类器
来源:互联网 发布:淘宝营业执照代办 编辑:程序博客网 时间:2024/04/28 01:25
机器学习(周志华) 参考答案 第七章 贝叶斯分类器
机器学习(周志华西瓜书) 参考答案 总目录
- http://blog.csdn.net/icefire_tyh/article/details/52064910
看了半天依然没看懂如何去优化贝叶斯网,9,10题先空着
1.试使用极大似然法估算西瓜数据集3.0中前3个属性的类条件概率。
极大似然法要先假定一种概率分布形式。
色泽:
对于好瓜,假设
P(色泽=青绿|好瓜)=
P(色泽=乌黑|好瓜)=
P(色泽=浅白|好瓜)=
令L
可以看出
对于坏瓜以及另外两种属性计算方式相同,得出类似的结果。
2.试证明:条件独立性假设不成立时,朴素贝叶斯分类器任有可能产生最优分类器。
朴素贝叶斯分类器就是建立在条件独立性假设上的。当有不独立的属性时,假如所有样本不独立的属性取值相同时分类也是相同的,那么此时朴素贝叶斯分类器也将产生最优分类器。
3.试编程实现拉普拉斯修正的朴素贝叶斯分类器,并以西瓜数据集3.0为训练集,并对“测1”样本进行分类。
- http://blog.csdn.net/icefire_tyh/article/details/52167211
4.实践中用式(7.15)决定分类类别时,若数据的维度非常高,则连乘的概率结果会非常接近0并导致下溢。试述防止下溢的可能方案。
若连乘的式子太多,导致乘积接近0。由于属性个数是已知的,可以对每个乘式做适当次的开方处理,可以保证结果不会为0。另外也可以对各项取对数,当累加太多时,可能导致和接近负无穷。可以对每个加数除以属性的个数,来防止溢出。
5.试证明:二分类任务中两类数据满足高斯分布且方差相同时,线性判别分析产生最优贝叶斯分类器。
假设1类样本均值为
由于数据满足同方差的高斯分布,当样本足够大时,可以认为
线性判别分析公式
对
最优贝叶斯分类器使每个训练样本的后验概率
即求
两个式子相同,所以线性判别分析产生最优贝叶斯分类器。
6.试编程实现AODE分类器,并以西瓜数据集3.0为训练集,并对“测1”样本进行分类。
- http://blog.csdn.net/icefire_tyh/article/details/52167263
7.给定d个二值属性的分类任务,假设对于任何先验概率的估算需要30个样本。试估计AODE中估算先验概率p(c,xi) 所需要的样本数。
显然对于正负样本,各属性对应的取值
最好的情况下,只需要60个样本就能就能估算概率。其中30个
最坏的情况下,要60d个样本才能估算。其中每个样本只有一个属性和测试样本
8.考虑图7.3,证明:在同父结构中,若x1 的取值未知,则x3⊥x4 不成立。在顺序结构中,y⊥z|x 成立,但y⊥z 不成立。
①.
所以
由于不知道
②.
所以
无法得出
- 机器学习(周志华) 参考答案 第七章 贝叶斯分类器 7.3
- 机器学习(周志华) 参考答案 第七章 贝叶斯分类器 7.6
- 机器学习(周志华) 参考答案 第七章 贝叶斯分类器
- 第七章 贝叶斯分类器-机器学习(周志华) 参考答案
- 机器学习(周志华)_第七章 贝叶斯分类器
- 周志华 《机器学习》之 第七章(贝叶斯分类器)概念总结
- 机器学习(周志华) 参考答案 第四章 决策树
- 机器学习(周志华) 参考答案 第五章 神经网络
- 机器学习(周志华) 参考答案 第九章 聚类
- 《机器学习》周志华第一章参考答案
- 机器学习(周志华) 参考答案 第八章 集成学习 8.3
- 机器学习(周志华) 参考答案 第八章 集成学习 8.5
- 机器学习(周志华) 参考答案 第八章 集成学习
- 机器学习(周志华) 参考答案 第十三章 半监督学习 13.4
- 机器学习(周志华) 参考答案 第十三章 半监督学习 13.10
- 机器学习(周志华) 参考答案 第十三章 半监督学习
- 机器学习(周志华) 参考答案 第十五章规则学习
- 机器学习(周志华) 参考答案 第十六章强化学习
- Maven archetype 工程的创建
- Nested List Weight Sum II
- EasyUI 使用备忘
- 购物管理系统 分享一下下
- Maven 修改本地存储库位置
- 机器学习(周志华) 参考答案 第七章 贝叶斯分类器
- 蛇形打印矩阵
- Android实现一个APP只能在一部手机上使用
- JavaMail邮件的发送
- Android-自定义preference和PreferenceFragment实例详解
- Vsftpd使用FtpClient上传文件踩过的坑
- 我自己本机配置了一个maven环境。每次新开一个项目都要重新选择一个maven的配置,默认的都是这个。如图:
- 机器学习-线性回归-正规方程
- HTML5(李炎恢)学习笔记二 ------------- HTML5的结构