统计学习方法(李航)学习笔记(四)贝叶斯分类器——朴素贝叶斯

本文深入探讨了朴素贝叶斯算法的基本原理,包括先验概率与后验概率的概念,以及算法在降低分类复杂度的同时可能牺牲的精度。讨论了训练数据集的生成方式,并详细解释了如何计算先验概率及利用极大似然估计与贝叶斯估计解决计算中可能出现的问题。

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

1、先验概率是根据已有经验寻求事件本身发生的概率;后验概率是根据当前已知情况下,给出判断或判断的概率。

2、朴素贝叶斯是在贝叶斯的基础上,损失了精度,降低了分类准确性。但是实现起来大大降低了复杂程度。

3、训练数据集T={(x_1,y_1),(x_2,y_2),...,(x_N,y_N)},其中P(X,Y)独立同分布生成。

4、首先计算先验概率

然后根据给定实例,计算x的类别

5、利用极大似然估计可能会出现所需估计的值为0的情况,会影响到后验概率的计算结果。为了解决这种情况,主要方法是使用贝叶斯估计。

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