朴素贝叶斯需要注意的几点:
- 它是生成模型,虽然在实现时是通过计算P(X∣Y)P(Y)P(X|Y)P(Y)P(X∣Y)P(Y)求出各个label对应的值然后将结果最大的label作为预测label,这是因为计算过程中忽略了P(X)P(X)P(X)的作用。实质上计算的依据是:
P(Y∣X)=P(X,Y)P(X)=P(X∣Y)P(Y)P(X)P(Y|X) =\frac {P(X,Y)} {P(X)}=\frac {P(X|Y)P(Y)} {P(X)}P(Y∣X)=P(X)P(X,Y)=P(X)P(X∣Y)<

本文介绍了朴素贝叶斯方法,它是一个生成模型,基于后验概率最大化的原理进行预测。在实际计算中,通过拉普拉斯平滑处理数据。文章还探讨了朴素贝叶斯与贝叶斯估计的区别,并提供了相关代码实现。
最低0.47元/天 解锁文章
1515

被折叠的 条评论
为什么被折叠?



