朴素贝叶斯
来源:互联网 发布:网页美工作品 编辑:程序博客网 时间:2024/06/07 03:43
朴素贝叶斯是基于贝叶斯定理和特征条件独立假设的一种生成模型,主要思想是通过数据学习其联合概率分布P(X,Y|θ),具体做法是采用极大似然估计法去估计θ。
优点:在小规模数据上的表现很好,适合多分类任务和增量式学习。
缺点:对输入数据的表达形式很敏感。
下面先看看贝叶斯定理:
那么当特征服从条件独立的假设时,有:
下面看看如何用极大似然估计法对参数进行估计,首先是先验概率:
然后是条件概率:
之后根据贝叶斯定理计算后验概率:
那么问题来了,用极大似然估计可能会出现概率值等于0的情况,会影响后验概率的计算结果,导致分类结果产生偏差,可以采用贝叶斯估计来解决这个问题。
首先看下先验概率的贝叶斯估计:
然后是条件概率的贝叶斯估计:
需要注意的是,当lambda为1时,表示拉普拉斯平滑。
0 0
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- Android分包MultiDex源码分析
- ubantu上安装PHP7的memcached扩展
- dom4j最常用最简单的用法
- Swift 学习笔记 (三) —— Table view徜徉在Data Hierarchy的海洋
- NYOJ - 71 - 独木舟上的旅行(乘船问题)
- 朴素贝叶斯
- [深度学习论文笔记][Depth Estimation] Depth Map Prediction from a Single Image using a Multi-Scale Deep Netw
- 消息推送、短信验证,第三方分享和登录,友盟统计
- 好多个瞬间,出现的感悟
- NodeJS前端开发日记(2)AngularJS+Jade入门实战
- C++有些可能错误修改(cppcheck检查出来的错误)
- BZOJ4011: [HNOI2015]落忆枫音
- [Android L]SEAndroid开放设备文件结点权限(读或写)方法(涵盖常用操作:sys/xxx、proc/xxx、SystemProperties)热门干货
- Java中的自动装箱和拆箱