贝叶斯分类器-----机器学习

本文介绍了贝叶斯分类器的工作原理,重点在于条件概率的计算。通过一个西瓜分类的例子,详细解释了如何利用训练集计算不同属性条件下好瓜的概率,并涉及了离散属性和连续属性的处理,包括高斯分布的应用。

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

贝叶斯分类器中的涉及到的数学知识基本上是概率论与数理统计,其计算步骤倒是不难,西瓜书上的公式表示可能让人没有看下去的欲望,博主最开始学的时候也就是直接拿个例子计算一遍,然后再去看看西瓜书上的公式。贝叶斯中的核心计算公式就是条件概率的计算公式。

先看看条件概率的计算公式:

 上面这个公式指的是事件A在事件B发生的条件下发生的概率。同理:P(B|A) = P(AB)/P(A)。这样上面也可以写成

P(A|B) = \frac{P(A)P(B|A)}{P(B)}

接下来,我们直接看个例子,以西瓜书上的例子来看:

使用以上数据集作为训练集来训练

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