大数据机器学习（五）朴素贝叶斯法

最新推荐文章于 2024-06-04 07:56:52 发布

原创最新推荐文章于 2024-06-04 07:56:52 发布 · 472 阅读

·

0

·

CC 4.0 BY-SA版权

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。

大数据机器学习专栏收录该内容

5 篇文章

订阅专栏

博客介绍了朴素贝叶斯法，贝叶斯决策是在不完全情报下，用主观概率估计部分未知状态，通过贝叶斯公式修正发生概率，再利用期望值和修正概率做最优决策。其基本思想是已知类条件概率密度参数表达式和先验概率，转换为后验概率并据此决策分类，朴素指做了条件独立性假设。

朴素贝叶斯法

贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。

贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是：
1、已知类条件概率密度参数表达式和先验概率。
2、利用贝叶斯公式转换成后验概率。
3、根据后验概率大小进行决策分类。

朴素就是指做了一个条件独立性假设
在这里插入图片描述

实在是太懒了，有时间再接着写

评论

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。