朴素贝叶斯例题记录
来源:互联网 发布:游戏美工是什么专业 编辑:程序博客网 时间:2024/06/15 01:40
朴素贝叶斯:
朴素:特征的各个维度看做条件独立
大概理解:给定一个样本向量(观测数据),判断这个样本的标签。相当于已知观测数据,求最大的后验概率对应的标签。
posterrior ∝ likelihood * prior
(看看极大似然估计以及EM算法:http://blog.csdn.net/sallyyoung_sh/article/details/54630044
还有EM的一个应用:GMM:http://blog.csdn.net/abcjennifer/article/details/8198352)
x:(a1, a2, ..., am)m维特征
y:(y1, y2, ..., yn)n类标签
1、设为一个待分类项,而每个a为x的一个特征属性。
2、有类别集合。
3、计算。
4、如果,则
。
举个例子(摘自统计学习方法):
极大似然估计求解:
贝叶斯估计求解(λ = 1时,称为拉普拉斯平滑;λ = 0时,称为极大似然估计):
书中对这两个方法的说明:
1 0
- 朴素贝叶斯例题记录
- 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
- oc——类——数据成员
- 关于Gson的小技巧
- windows和linux下的一些常用区别
- (转)在用户空间发生中断时,上下文切换的过程
- ios
- 朴素贝叶斯例题记录
- logstash _source host:0.0.0.0 host不显示主机名
- sqlyog注册码激活
- SOCKET
- 深入了解 Oracle Flex ASM 及其优点
- 淡淡
- singleNumber
- Excel学习更新中
- 简单迭代法求解方程举例