朴素贝叶斯python实现

firesolider

于 2021-04-02 10:41:43 发布

阅读量889

点赞数

分类专栏：机器学习

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。

本文链接：https://blog.youkuaiyun.com/firesolider/article/details/115392224

版权

本文详细介绍了如何用Python实现朴素贝叶斯分类器，包括计算先验概率、条件概率和对数后验概率。通过实例测试，展示了算法的运行过程，适合学习和对比sklearn库的不同实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本实现仅仅是课本上的实现，仅供学习参考和sklearn实现不同

朴素贝叶斯的实现主要分为三步，本文按照三个步骤来实现，我们假设S为样本集合，包含N个样本，样本的特征维度为n

1.计算先验概率， $p(Y=c_k)$ 表示类别 $c_k$ 对应的概率

$P(Y=c_k)=\frac{|S(Y=c_{k})|}{|S|}$

2.计算条件概率 $P(X^{i}=x^i|Y=c_k)$ 表示 $c_k$ 个类别中第 $i$ 个维度的特征 $X^i$ 为 $x^i$ 的概率

最低0.47元/天解锁文章

评论 4

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。