贝叶斯算法讲解

元宇宙MetaAI

墨衍会员 · AI 创作全网分发码龄10年

关注

原创最新推荐文章于 2026-06-04 14:09:01 发布 452 阅读 AI 写同款· GEO 优化 ›

朴素贝叶斯算法 — 超详细公式讲解+代码实例朴素贝叶斯法是基于贝叶斯定理与特征条件独立性假设的分类方法。对于给定的训练集，首先基于特征条件独立假设学习输入输出的联合概率分布（朴素贝叶斯法这种通过学习得到模型的机制，显然属于生成模型）；然后基于此模型，对给定的输入 x，利用贝叶斯定理求出后验概率最大的输出 y。学习朴素贝叶斯算法之前，我们先搞定下面这些基本概念和数学公式阅读详情

朴素贝叶斯

1、概率基础知识：

条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为： P(A|B)，读作“在B条件下A的概率”。

若只有两个事件A， B，那么：

$P\left ( AB \right )= P\left ( A|B \right )P\left ( B \right )= P\left ( B|A \right )P\left ( A \right )$

$P\left ( A|B \right )= \frac{P(AB))}{P(B)}$

$P\left ( A|B \right )= \frac{P(B|A)*P(A)}{P(B)}$

全概率公式： 表示若事件A1，A2，…，An构成一个完备事件组且都有正概率，则对任意一个事件B都有公式成立。

$P\left ( B \right )= P\left ( A_{1} B\right )+P\left ( A_{2} B\right )+...+P\left ( A_{n} B\right )$

$= \sum P\left ( A_{i} B\right )$

$= \sum P(B|A_{i})P\left ( A_{i} )$

贝叶斯公式是将全概率公式带入到条件概率公式当中，对于事件Ak和事件B有：

$P(A_{k}|B)=\frac{P(B|A_{k})*P(A_{k})}{\sum P(B|A_{i})*P(A_{i}) }$
未完待续

了解更多关于《计算机视觉与图形学》相关知识，请关注公众号：

下载我们视频中代码和相关讲义，请在公众号回复：计算机视觉课程资料

参考链接：

https://blog.youkuaiyun.com/sinat_30353259/article/details/80932111

收录于

Machine Learning

标签

#机器学习 #贝叶斯

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

朴素贝叶斯分类器算法通俗讲解首先会用到贝叶斯决策理论，说一下。贝叶斯决策理论的核心思想是：选择具有最高概率的决策。例如一个点(x, y)，属于类别1的概率是p1(x, y)，属于类别2的概率是p2(x, y)，用贝叶斯决策理论来判断它的类别：如果p1(x, y) > p2(x, y)，那么类别1；如果p1(x, y) < p2(x, y)，那么类别2。 ... 阅读详情

0

元宇宙MetaAI

博客等级

码龄10年 331粉丝 333原创

+ 关注专栏目录订阅专栏

评论

成就一亿技术人!

拼手气红包6.0元

还能输入1000个字符

插入表情

表情包

代码片

HTML/XML
objective-c
Ruby
PHP
C
C++
JavaScript
Python
Java
CSS
SQL
其它

条评论被折叠查看

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。