重温Naive Bayes
2016-09-07 18:49
148 查看
今天通过starford的机器学习课件,重温了下Naive Bayes算法,其中几个关键知识点记录如下:
1.Naive Bayes公式的推导过程
![](https://images2015.cnblogs.com/blog/605517/201609/605517-20160907184204379-1185693101.png)
2.分类准确率的计算
(1)调和平均数(harmonic mean)
![](https://images2015.cnblogs.com/blog/605517/201609/605517-20160907184407035-415455648.png)
调和平均数用在计算相同距离但速度不同时,平均速度的计算;如一段路程,前半段时速60公里,后半段时速30公里〔两段距离相等〕,则其平均速度为两者的调和平均数时速40公里。或者计算两个并联电阻的平均电阻。
(2)Laplace smoothing for Naive Bayes
![](https://images2015.cnblogs.com/blog/605517/201609/605517-20160907184751863-166030808.png)
(3)分类准确率使用的的是F-measure.其本质是调和平均数。
![](https://images2015.cnblogs.com/blog/605517/201609/605517-20160907184535191-744989964.png)
以上。
1.Naive Bayes公式的推导过程
![](https://images2015.cnblogs.com/blog/605517/201609/605517-20160907184204379-1185693101.png)
2.分类准确率的计算
(1)调和平均数(harmonic mean)
![](https://images2015.cnblogs.com/blog/605517/201609/605517-20160907184407035-415455648.png)
调和平均数用在计算相同距离但速度不同时,平均速度的计算;如一段路程,前半段时速60公里,后半段时速30公里〔两段距离相等〕,则其平均速度为两者的调和平均数时速40公里。或者计算两个并联电阻的平均电阻。
(2)Laplace smoothing for Naive Bayes
![](https://images2015.cnblogs.com/blog/605517/201609/605517-20160907184751863-166030808.png)
(3)分类准确率使用的的是F-measure.其本质是调和平均数。
![](https://images2015.cnblogs.com/blog/605517/201609/605517-20160907184535191-744989964.png)
以上。
相关文章推荐
- 重温经典排序思想--C语言常用排序全解
- 重温经典排序思想--C语言常用排序全解(转载)
- 重温C++语法之友元
- 又转回学C了,重温C算法
- 拾起C,C++,重温C语言
- 1987-1990台股泡沫重温
- 从实例重温工厂模式和单件模式
- 重温经典之《企业应用架构模式》——.NET中的架构模式运用 (MVC模式)
- 重温冒泡排序
- 重温设计模式(七)——模板方法模式
- 重温struts
- 重温经典(三)-百年思索
- 再读《你必须知道的.NET》,重温基础,重温经典
- 重温C#设计模式-安全的Singleton模式
- 重温cookie,session的获取,写入与读写
- 重温Activity的各种状态
- 重温DOS下的小作品:回忆过去,展望将来
- 重温基础, 巩固记忆(一)
- 重温经典
- 真正的大师—胡适(重温经典)