朴素贝叶斯法的学习与分类
2015-09-25 15:28
246 查看
基本方法:
输入空间为n维向量的集合,输出空间为标记类的集合。训练数据集T={(x1,y1), (x2,y2),...,(xN,yN)}又P(X,Y)独立同分布产生。
朴素贝叶斯法通过训练数据集学习联合概率分布P(X,Y).
朴素贝叶斯法对条件概率分布做了条件独立性的假设。
朴素贝叶斯法实际上学习到生成数据的机制,所以属于生成模型。条件独立假设等于是说用于分类的特征在类确定的条件下都是条件独立的。这一假设使得朴素贝叶斯法变得简单,但是有时会牺牲一定的准确率。
朴素贝叶斯法分类时,通过学习到的模型计算对输入x计算后验概率分布p(y=Ck | x),将后验概率最大的类作为x的输出。
朴素贝叶斯法将实例划分到后验概率最大的类中,这等价于期望风险最小化。
输入空间为n维向量的集合,输出空间为标记类的集合。训练数据集T={(x1,y1), (x2,y2),...,(xN,yN)}又P(X,Y)独立同分布产生。
朴素贝叶斯法通过训练数据集学习联合概率分布P(X,Y).
朴素贝叶斯法对条件概率分布做了条件独立性的假设。
朴素贝叶斯法实际上学习到生成数据的机制,所以属于生成模型。条件独立假设等于是说用于分类的特征在类确定的条件下都是条件独立的。这一假设使得朴素贝叶斯法变得简单,但是有时会牺牲一定的准确率。
朴素贝叶斯法分类时,通过学习到的模型计算对输入x计算后验概率分布p(y=Ck | x),将后验概率最大的类作为x的输出。
朴素贝叶斯法将实例划分到后验概率最大的类中,这等价于期望风险最小化。
相关文章推荐
- opencv2-2渐变过渡各种图形滤波并输出文字
- google android audio presentation
- 32位系统-数据类型占内存字节数
- WinForm(C#)中跨线程访问控件的解决方法
- lua中table如何安全移除元素
- Swift - 告警提示框(UIAlertController)的用法
- 设计模式的六大原则
- c++primer 第三章习题(4)
- ffmpeg 的时间单位
- apache 目录认证
- 详解Java类库的概念以及import的使用方法
- JDK、JRE、JVM三者间的关系
- 将Ojective-C代码移植转换为Swift代码
- 提高SQL查询效率
- WebM: 一个开放、免费的媒体文件格式
- Android 4.4 沉浸式透明状态栏与导航栏
- linuxshell中"2>&1"含义
- Android权限
- Andorid学习笔记 :实现对ListView列表数据添加字母索引效果
- Swift - 炫酷放射弹出按钮菜单(改造自AwesomeMenu)