贝叶斯 算法 理论

mllhxn mllhxn 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 700+累计阅读 771平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄14年
关注
原创 最新推荐文章于 2026-05-31 11:13:19 发布 771 阅读 AI 写同款· GEO 优化 ›
机器学习里的贝叶斯基本理论、模型和算法 本文转自中国人工智能学会通讯第3期，已获授权，特此感谢！ 欢迎人工智能领域技术投稿、约稿、给文章纠错，请发送邮件至heyc@youkuaiyun.com 3月3日，中国人工智能学会AIDL第二期【人工智能前沿讲习班】在北京中科院自动化所举行，来自清华大学计算机科学与技术系的朱军副教授分享了题为《贝叶斯学习前沿进展》的演讲。内容主要分为三部分：贝叶斯基本理论、模型和算法；可扩展的贝叶斯方法；深... 阅读详情

Bayes公式
这里写图片描述

先验概率和后验概率
这里写图片描述

贝叶斯文本分类示例
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

朴素贝叶斯分类决策
这里写图片描述
这里写图片描述
这里写图片描述

最小错误率决策
这里写图片描述

最小风险决策
这里写图片描述

最小风险贝叶斯决策—基本思想
这里写图片描述

最小风险贝叶斯决策—损失函数
这里写图片描述
这里写图片描述

最小风险贝叶斯决策—步骤
这里写图片描述

最小风险癌细胞实例
这里写图片描述
这里写图片描述

收录于
ml

当前文章被收录于：

ml
41 篇文章 0 人学习
订阅专栏 查看详情
机器学习基础

当前文章被收录于：

机器学习基础
29 篇文章 8 人学习

一些算法理论和实例

订阅专栏 查看详情
标签
#算法
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。
分类算法：朴素贝叶斯分类器理论与实践 概率论是研究随机事件的数学理论，而贝叶斯定理是概率论中的一个重要定理，用于描述两个条件概率之间的关系。 阅读详情

相关推荐

贝叶斯理论与算法设计：从数学到代码的实现

贝叶斯理论与算法设计：从数学到代码的实现

Sapphire521的博客 117

从贝叶斯定理说开去

从贝叶斯定理说开去 罗朝辉 (http://kesalin.github.io/) CC 许可，转载请署名并保留出处 简介 贝叶斯定理是18世纪英国数学家托马斯·贝叶斯（Thomas Bayes）提出得重要概率论理论。以下摘一段 wikipedia 上的简介： 所谓的贝叶斯定理源于他生前为解决一个“逆概”问题写的一篇文章，而这篇文章是在他死后才由他的一位朋友发表出来的。在贝叶斯写这篇文章...

dawuafang 3369

一键转换B站M4S缓存为MP4：无需FFMPEG命令的简易工具

本文介绍了一款专为B站用户设计的绿色工具，可将缓存的M4S视频和音频文件一键转换为通用MP4格式。该工具完全图形化操作，无需学习复杂的FFmpeg命令，解决了普通用户处理B站缓存视频的痛点。文章详细讲解了从下载、配置到转换的完整流程，并提供了常见问题排查与安全使用建议，帮助用户高效、安全地管理离线视频内容。

joy55的博客 480

机器学习：朴素贝叶斯【需要完善】

朴素贝叶斯（Naive Bayes ,NB）算法是基于贝叶斯定理与特征条件独立假设的分类方法，该算法是有监督的学习算法，解决的是分类问题，是将一个未知样本分到几个预先已知类别的过程。 朴素贝叶斯的思想就是根据某些个先验概率计算Y变量属于某个类别的后验概率，也就是根据先前事件的有关数据估计未来某个事件发生的概率。 举例： 一个学校内有60%的学生是男生，40%的学生是女生。根据统计，男生总是穿...

wyqwilliam的博客 902

命令行驱动视频剪辑：cutcli与AI自动化工作流实战

在视频内容创作领域，自动化与批量化处理是提升生产效率的关键。传统图形界面工具在应对重复性任务时往往效率低下，而通过命令行接口（CLI）驱动视频生成，则能实现流程的程序化控制。其技术原理在于将视频结构抽象为可编程的指令序列，通过解析命令生成标准化的工程文件。这种模式的核心价值在于将视频制作从手动操作转变为代码驱动，特别适合与AI编程助手集成，实现自然语言到视频草稿的自动转换。应用场景广泛覆盖社交媒体内容批量生产、教育视频自动化生成、数据可视化视频组装等领域。本文以cutcli工具为例，深入解析如何通过命令行与

weixin_42520239的博客 579

Python读取ECMWF grib数据；Anaconda配置eccodes和cfgrib环境及安装过程

python读取grib数据，eccodes，cfgrib安装。

qq_36714629的博客 2244

分类算法学习（二）——贝叶斯算法的原理及简单实现

1.3、贝叶斯分类的基础——贝叶斯定理      每次提到贝叶斯定理，我心中的崇敬之情都油然而生，倒不是因为这个定理多高深，而是因为它特别有用。这个定理解决了现实生活里经常遇到的问题：已知某条件概率，如何得到两个事件交换后的概率，也就是在已知P(A|B)的情况下如何求得P(B|A)。这里先解释什么是条件概率：      表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率...

爱吃串串的瘦子的博客 3万+

国际参考电离层2020模型Matlab（IRI-2020）

国际参考电离层 （IRI） 是一个国际项目 由空间研究委员会 （COSPAR） 和国际 无线电科学联盟 （URSI）。这些组织组成了一个工作组 （在 60 年代后期产生了电离层的经验标准模型， 基于所有可用数据源 （几个稳步改进的版本 模型已经发布。电子密度、电子温度、离子温度、 离子组成（O+、H+、He+、N+、NO+、O+2、簇离子）、赤道垂直离子漂移、垂直电离层电子含量（vTEC;

weixin_44392003的博客 4884

贝叶斯算法

一般来说，如果样本特征的分布大部分是连续值，使用高斯朴素贝叶斯会比较好。如果样本特征的分布大部分是多元离散值，使用多项式朴素贝叶斯比较合适。如果样本特征是二元离散值或者很稀疏的多元离散值，应该使用伯努利朴素贝叶斯比较合适。

weixin_44913071的博客 2668

利用VBA宏实现LightTools仿真数据自动化导出至Excel

本文详细介绍了如何利用VBA宏实现LightTools仿真数据自动化导出至Excel的完整流程。通过调用LTAPI接口，工程师可以自动执行仿真、抓取照度与光强等数值数据、捕获并粘贴仿真图像，从而将重复性工作自动化，显著提升光学设计工作的效率和准确性。

weixin_28314575的博客 503

深入解析V4L2框架与高通KMD在Camera驱动中的协同设计

本文深入解析了V4L2框架与高通KMD在Camera驱动中的协同设计。V4L2作为Linux内核标准视频驱动框架，提供了统一的设备抽象与数据流管理；而高通KMD则在其基础上，通过引入CRM等核心模块，构建了一套针对移动平台复杂相机系统的高效内核态驱动架构，实现了硬件配置与执行的解耦与智能调度。

qq_27496129的博客 1150

机器学习——贝叶斯算法

贝叶斯公式的用途在于通过己知三个概率来推测第四个概率。它的内容是：在 B 出现的前提下，A 出现的概率等于 A 出现的前提下 B 出现的概率乘以 A 出现的概率再除以 B 出现的概率。通过联系 A 与 B，计算从一个事件发生的情况下另一事件发生的概率，即从结果上溯到源头（也即逆向概率）。总的来说，贝叶斯算法提供了一种基于概率的框架，可以有效地处理分类问题和概率估计问题。它的优点包括简单、易于实现，适用于各种数据类型，尤其在处理高维数据和大规模文本数据时表现出色。

m0_74100344的博客 3225

从零搭建ECG心电图仪：模拟前端电路设计与噪声对抗实战

在电子工程和生物医学信号处理领域，微弱信号的采集与放大是核心挑战。其基本原理在于利用高精度模拟电路，从强大的环境噪声中提取出有用的差分信号。这项技术的核心价值在于将理论上的传感器信号转化为稳定、可靠的可用数据，是连接物理世界与数字系统的关键桥梁。在医疗监护、工业传感和科学测量等场景中，高性能的模拟前端设计直接决定了整个系统的精度与可靠性。本文聚焦于生物电信号采集这一具体应用，深入探讨如何运用差分放大器、低通滤波器和陷波滤波器等经典模块，构建一个能够有效对抗工频干扰和接触噪声的实用电路，最终实现从人体体表清晰

weixin_30616969的博客 461

朴素贝叶斯（分类算法）理论+Python代码实现

朴素贝叶斯分类器是贝叶斯分类器中最简单，也是最常见的一种分类方法。本文介绍了理论基础和python从零开始实现以及scikit-learn实现朴素贝叶斯算法。

qq_46426207的博客 5970

养龙虾之_因特尔UHD/ULtra/Arc核显跑大模型_安装ollama_跑qwen3.5:0.8b/9b_使用copaw1.0.1测试_并配置copaw技能效果炸裂---AI大模型应用探索0019

摘要：本文探讨了利用Intel UHD770核显运行大语言模型的可能性。通过使用Intel发布的ipex-llm项目工具包，成功在核显上运行了Qwen3.5系列模型。测试发现0.8B小模型运行流畅（3-5秒响应），但智能程度有限；而9B大模型虽然效果更好，但响应时间长达2分钟，且GPU/CPU占用率不高。实验证明Intel核显确实可以运行LLM，但实际效果和性能表现仍有提升空间，特别是对大模型的支持尚不理想。

添柴程序猿的专栏 239

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。

贝叶斯网络Bayesian network基础理论及算法介绍

引言 贝叶斯网络 Bayesian network belief network directed acyclic graphical model 借由DAGs（有向无环图）得到一组随机变量{X1, X2, …, Xn}及其n组条件概率分布（conditional probability distributions，or CPDs）。 联合概率分布 联合分布通常表示为一张表，包含状态组合个数...

Ta_Ex_的博客 8651

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

基于贝叶斯算法的垃圾邮件分类：从理论到实践

贝叶斯算法

yzx991013的博客 1347

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具

贝叶斯算法理论

这时我们既可以用直线来拟合（模型1），也可以用二阶多项式（模型2）拟合，也可以用三阶多项式（模型3），特别地，用。奥卡姆剃刀：越是高价的多项式越是不常见的（越是高阶去拟合，拟合效果肯定越好，但是这只是在训练集上，在测试集上往往达不到很好的效果，也就是常见的鲁棒性差）对于给定观测数据，一个猜测是好是坏，取决于“这个猜测本身独立的可能性大小（先验概率，prior）”和“这个猜测生成我们观测到的数据的可能性大小。，P(D)都是一样的，所以在比较P(h1|D)和P(h2|D)的时候我们可以忽略这个常数。

weixin_73044854的博客 1347

贝叶斯算法入门到精通：从理论到实践的全面指南

贝叶斯算法作为机器学习领域中基于概率论的经典方法，通过先验知识与观测数据的结合实现概率更新，在分类、回归、自然语言处理等任务中展现出强大优势。本文从贝叶斯定理基础出发，系统阐述其核心概念、算法原理、应用场景及实践技巧，帮助读者构建从理论到实战的完整知识体系。关键词：更多AI籽料、入门学习路线图，可嗖VX工纵号：【AI技术星球】 回暗号：【98】 可自拎贝叶斯算法作为一种基于概率论的经典方法，在机器学习领域展现出强大的应用潜力。

qsmyhsgcs的博客 1034

贝叶斯理论，朴素贝叶斯算法

贝叶斯原理是英国数学家托马斯·贝叶斯提出的。贝叶斯...

夏未眠秋风起的博客 2408

机器学习基础算法30-贝叶斯网络理论

文章目录1.复习知识2.朴素贝叶斯 1.复习知识 2.朴素贝叶斯

柳杰的博客 146

朴素贝叶斯算法_【白话机器学习】算法理论+实战之朴素贝叶斯

来自于： AI蜗牛车团队（作者：Miracle8070）公众号： AI蜗牛车原文链接：【白话机器学习】算法理论+实战之朴素贝叶斯​mp.weixin.qq.com有兴趣的同学可以关注我的公众号：AI蜗牛车1. 写在前面如果想从事数据挖掘或者机器学习的工作，掌握常用的机器学习算法是非常有必要的，常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Ad...

weixin_39942351的博客 118

贝叶斯算法，简单解释，实例解释， 模型比较理论（奥卡姆剃刀） 垃圾邮件贝叶斯

代入实例之后发现其实贝叶斯特别好理解，我不知道是因为之前的教材有问题，还是我智商太低 模型比较理论 什么东西最常见，什么就是最好的，就用这个东西 若无必要，勿增实体 所以这样的贝叶斯概率是特别低的，不好用 所以弄成朴素贝叶斯 贝叶斯拼写检查代码 https://blog.youkuaiyun.com/Arthu...

Arthur_Holmes的博客 794

机器学习基础算法32-贝叶斯网络理论

这里写目录标题1.复习知识2.朴素贝叶斯3.贝叶斯网络 1.复习知识 2.朴素贝叶斯 3.贝叶斯网络

qq_42749341的博客 234

朴素贝叶斯算法 — 从理论推导到实战应用全解析

本文全面解析朴素贝叶斯算法，从贝叶斯定理与特征条件独立假设等核心理论出发，深入探讨了极大似然估计与拉普拉斯平滑等关键概率估计方法。文章通过详细的Python代码实例，手把手演示如何构建一个垃圾邮件过滤器，展示了该算法在文本分类中的高效应用，是机器学习入门的绝佳实践指南。

yoga7的博客 694

贝叶斯算法理论详解及手写数字识别实战

通过运行代码可以发现，MultinomialNB 在手写数字识别任务上通常能达到 85% 以上的准确率，是一种简单高效的基线模型。：假设样本的各个特征之间相互独立，即特征之间不存在关联关系。这一假设大大简化了计算复杂度，使模型在处理高维数据时依然高效。朴素贝叶斯（Naive Bayes）是基于贝叶斯定理延伸出的分类算法，其 “朴素” 体现在。适用于二元特征（特征值为 0 或 1），常用于文本分类中的二进制词向量。适用于连续特征，假设特征服从高斯分布（正态分布）适用于离散特征（如文本分类中的词频、计数数据）

2201_75607087的博客 1287
上一篇： idea 使用快捷键
下一篇： 贝叶斯 算法 实例
点赞 1
评论 0
书签 书签 2
mllhxn
mllhxn
博客等级 码龄14年 116粉丝 122原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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。

余额充值