李航统计学习 朴素贝叶斯 学习笔记

本文介绍了朴素贝叶斯算法的基本原理,包括条件独立性的假设及其应用。详细解释了如何利用贝叶斯定理来进行分类预测,并展示了后验概率计算的具体步骤。

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

应用朴素贝叶斯的前提是,条件(特征)之间独立。
条件独立的假设是:

P(X=x|Y=ck)=P(X(1)=x(1),...,X(n)=x(n)|Y=ck)P(X=x|Y=ck)=P(X(1)=x(1),...,X(n)=x(n)|Y=ck)

=j=1nP(X(j)=x(j)|Y=ck)=∏j=1nP(X(j)=x(j)|Y=ck)

朴素贝叶斯应用于学习生成数据的机制,属于生成模型。
朴素贝叶斯分类时,对给定输入x,通过学习到的模型计算后验概率分布P(Y=ck|X=x)P(Y=ck|X=x),将后验概率最大的类作为x的类输出。后验概率计算,根据贝叶斯定理进行:

P(Y=ck|X=x)=P(X=x|Y=ck)P(Y=ck)kP(X=x|Y=ck)P(Y=ck)P(Y=ck|X=x)=P(X=x|Y=ck)P(Y=ck)∑kP(X=x|Y=ck)P(Y=ck)

朴素贝叶斯法利用贝叶斯定理与学到的联合概率模型进行分类预测:

P(Y|X)=P(X,Y)P(X)=P(Y)P(X|Y)YP(Y)P(X|Y)P(Y|X)=P(X,Y)P(X)=P(Y)P(X|Y)∑YP(Y)P(X|Y)
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