(一)朴素贝叶斯学习(2)- binary feature

本文介绍了朴素贝叶斯学习中的二值特征处理,包括最大似然估计、数值溢出问题的解决、特征选择以及最大后验概率(MAP)估计。在MAP估计中,通过贝叶斯公式结合先验知识改进估计结果,并以美国总统选举的统计为例进行解释。此外,讨论了在非二值特征和多类问题中的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

(一)公式理解- 最大似然

假设各个数据 X1, X2, .... Xn 为iiD,  且其 PDF 为

所以似然函数的定义为:

极大似然估计 使得最大的那个

下面是似然的一些实例, 自己推导下,让思路后续更清晰(课用PPT, 后续可下载)







(二)公式理解-朴素贝叶斯


(三) 算法实现 


(四)c++ 代码实现

因为是二值的特征,因此实现起来比较容易, 主

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值