熱線電話:13121318867

登錄
首頁精彩閱讀簡單易學的機器學習算法—樸素貝葉斯
簡單易學的機器學習算法—樸素貝葉斯
2017-03-23
收藏

簡單易學的機器學習算法—樸素貝葉斯

一、貝葉斯定理

  1、條件概率

條件概率是指在事件B發生的情況下,事件A發生的概率,用表示。

   2、全概率公式

含義是:如果構成樣本空間的一個劃分,那么事件B的概率,就等于的概率分別乘以B對這兩個事件的條件概率之和。

3、貝葉斯推斷


其中稱為先驗概率,即在事件B發生之前,我們對事件A的概率的一個判斷。稱為后驗概率,即在事件B發生之后,我們對事件A的概率的重新估計。稱為調整因子,使得預估概率更接近真實概率。

貝葉斯推斷告訴我們,先預估計一個“先驗概率”,然后加入實驗結果,看這個實驗到底是增強還是削弱了“先驗概率”,由此得到更接近事實的“后驗概率”。

二、樸素貝葉斯  1、樸素貝葉斯的概述

樸素貝葉斯是基于貝葉斯決策理論的分類方法,樸素貝葉斯之所以成為“樸素”,是因為在整個過程中都假設特征之間是相互獨立的以及每一個特征都是同等重要的。

    2、樸素貝葉斯的原理

樸素貝葉斯是使用條件概率來分類的,假設有一個二分類問題,二分類是指分成兩個類的問題,如類和類。假設樣本有兩個特征,則需要分別求解條件概率。而可以表述為數據分析師培訓

由于特征之間是相互獨立的的,所以。
此時要做分類,貝葉斯分類準則為:
如果,那么屬于類;
如果,那么屬于類。

數據分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數據分析師資訊
更多

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢