朴素贝叶斯法

最新推荐文章于 2025-09-11 23:49:31 发布
转载 最新推荐文章于 2025-09-11 23:49:31 发布 · 113 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://my.oschina.net/hankcs/blog/377134
文章标签：

#人工智能 #python

为什么80%的码农都做不了架构师？>>>   hot3.png

朴素贝叶斯法
本文是《统计学习方法》第4章的笔记，用图形补充说明了条件概率分布计算时可能引发的维数灾难，在文末用Python实现了一个基于贝叶斯文本分类器的简单情感极性分析器，可以分析中文句子的情感极性。朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。训练的时候，学习输入输出的联合概率分布；分类的时候，利用贝叶斯定理计算后验概率最大的输出。朴素贝叶斯法的学习与分类基本方法设输入空间为n维向量的集合，输出空间为类标记集合={c1……ck}。输入特征向量x和输出类标记y分属于这两个集合。X是输入空间上的随机变量，Y...

继续阅读：码农场 » 朴素贝叶斯法

原文链接：http://www.hankcs.com/ml/naive-bayesian-method.html

转载于:https://my.oschina.net/hankcs/blog/377134

《统计学习方法》 第4章 朴素贝叶斯法
weixin_46034279的博客
04-23 952
本文只要记录一些书中的一些小知识点，挑一些本人认为重要的地方进行总结。各位道友！道长(zhǎng) 道长(chǎng)今天的内容是统计学习方法的第一章节，挺容易理解的，结合模型图理解更加方便。
机器学习算法总结4:朴素贝叶斯法
01-20
朴素贝叶斯法是一种在机器学习领域广泛应用的分类算法，其理论基础是贝叶斯定理和条件独立假设。该算法假设各个特征之间相互独立，这使得计算变得更加简单，但可能会降低模型的准确性。 1. **贝叶斯定理与模型**： ...
朴素贝叶斯法基本原理
weixin_43495948的博客
10-21 713
朴素贝叶斯（naive Bayes）法是基于贝叶斯定理与特征条件独立假设的分类方法【注意：朴素贝叶斯法与贝叶斯估计是不同的概念】，其是一种典型的生成学习方法。生成方法由训练数据学习联合概率分布P(X,Y)，然后求得后验概率分布P(Y∣X)。具体来说，利用训练数据学习P(X∣Y)和P(Y)P(X,Y)=P(Y)P(X∣Y)概率估计的方法可以是极大似然估计或贝叶斯估计。
朴素贝叶斯法总结
weixin_42024702的博客
10-28 726
一、前述 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入输出的联合概率分布；然后基于此模型，对给定的输入xxx，利用贝叶斯定理求出后验概率最大的输出yyy。朴素贝叶斯法实现简单，学习与预测的效率都很高，是一种常用的方法。 二、朴素贝叶斯法介绍 I.模型 朴素贝叶斯法是典型的生成学习方法。生成方法由训练数据学习联合概率分布P(X,Y)P(X,Y)P(X,Y)，然后求得后验概率分布P(Y∣X)P(Y|X)P(Y∣X)。具体来说，利用训练数据学习P
朴素贝叶斯法及python实现
KIDaptx4869的博客
07-15 1144
朴素贝叶斯（naiveBayes）法是基于贝叶斯定理与特征条件独立假设的分类方法。python实现朴素贝叶斯法。
用贝叶斯估计法推出朴素贝叶斯法中的慨率估计公式
weixin_43221749的博客
03-17 531
×第3步：证明公式(4.10)
机器学习——朴素贝叶斯法运用
2301_80841566的博客
04-26 1174
朴素贝叶斯法是一种基于贝叶斯定理的简单概率分类方法，它假设特征之间。它适用于，尤其是在文本分类中表现良好。其核心思想是通过考虑各个特征的概率来预测分类（即对于给出的待分类样本，计算该样本在每个类别下出现的概率，最大的就被认为是该分类样本所属于的类别。
统计学习方法——朴素贝叶斯法
weixin_52901905的博客
03-02 199
统计学习方法中关于“朴素贝叶斯”的模型
机器学习04--(朴素贝叶斯法)
Carson's Blog
09-29 396
朴素贝叶斯法 机器学习方法三要素 模型: 基于特征条件独立的假设学习数据的联合概率分布作为预测的模型 策略: 利用贝叶斯定理求出后验概率最大的类别作为输出类别 算法: 极大似然估计 或 贝叶斯估计。 基本介绍 1．朴素贝叶斯(naive Bayes)法是基于 贝叶斯定理和特征条件独立假设的分类方法, 这些假设使得朴素贝叶斯变得简单, 但会牺牲一定的分类准确率。 过程: 对于给定的训练数据集,首先基于特征条件独立的假设学习数据的联合概率分布作为预测的模型,再对于给定的输入x，利用贝叶斯定理求出后验概率最大
第四章-朴素贝叶斯法
不定期更新 Web 开发及机器学习相关博客
06-07 601
极大似然估计 用极大似然估计法推出朴素贝叶斯法中的概率估计公式 1.在朴素贝叶斯法中，学习意味着估计P(Y=ck)P(Y=c_k)P(Y=ck​)和P(X(j)=x(j)∣Y=ck)P(X^{(j)}=x^{(j)}|Y=c_k)P(X(j)=x(j)∣Y=ck​)。可以应用极大似然估计法估计相应的概率。先验概率P(Y=ck)P(Y=c_k)P(Y=ck​)的极大似然估计是 P(Y=ck)=∑i=1NI(yi=ck)N(1) P(Y=c_k)=\frac{\sum_{i=1}^{N}I(y_i=c_k)
朴素贝叶斯法PPT学习教案.pptx
10-05
朴素贝叶斯法PPT学习教案 朴素贝叶斯法是一种基于贝叶斯决策论的机器学习算法，主要用于解决分类问题。该算法的核心思想是选择高概率对应的类别，通过计算后验概率来判断新数据点的类别。 朴素贝叶斯分类器是一种...
朴素贝叶斯法原理1
08-03
朴素贝叶斯法是一种基于概率理论的机器学习算法，尤其适用于文本分类和其他领域的问题。它的核心思想是利用贝叶斯定理和特征之间的独立性假设来进行预测。在这个方法中，我们首先介绍基本方法、参数估计以及拉普拉斯...
D朴素贝叶斯法.xmind
05-05
朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法 。最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBM）。和决策树模型相比，朴素贝叶斯分类器...
MOSS-TTSD: 文本对话式语音克隆
m0_72580657的博客
09-10 1519
MOSS-TTSD是一款突破性的对话语音生成系统，专为提升人机交互体验而设计。基于Qwen3-1.7B-base模型优化，它支持中英双语，实现零样本音色克隆和长达960秒的连续语音生成。核心创新包括XY-Tokenizer（1kbps低比特率编码）和对话语境建模技术，经过110万小时语音数据训练。性能评估显示其词错误率低至1.90%，媲美顶尖模型。适用于播客、直播、教育等多种场景，提供本地部署方案。目前支持双人对话克隆，多人对话功能正在开发中。
大模型应用开发八股
weixin_58493933的博客
09-10 765
多智能体系统指的是。
Manus AI与多语言手写识别
最新发布
h_k10086的博客
09-11 377
Manus AI的背景与核心功能手写识别技术在AI领域的重要性Manus AI与其他手写识别技术的对比。
神经网络矩阵的点乘与叉乘概述
Hanlin的博客
09-09 315
本文介绍了三种常见的矩阵运算方式：1）点乘（逐元素相乘），使用*或torch.mul实现；2）叉乘（矩阵乘法），通过torch.mm或torch.matmul实现；3）相加（逐元素相加），使用+或torch.add完成。每种运算都配有对应的数学符号表示：点乘（⊙）、叉乘（⊗）、相加（⊕）。文中还提到这些运算都支持广播机制。这些基础运算在深度学习框架中广泛应用。
GPT系列--类GPT2源码剖析
2401_83634908的博客
09-08 1414
无需多言，大家应该都用过了，如今都更新到GPT-5了。
朴素贝叶斯法的Python代码
10-12
朴素贝叶斯分类器是一种基于概率的简单但强大的机器学习算法，它的核心思想是“朴素”假设每个特征之间相互独立。在Python中，我们可以使用scikit-learn库来实现朴素贝叶斯。以下是一个简单的例子，展示如何使用...
评论
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