当前位置:   article > 正文

【机器学习】第5章 朴素贝叶斯分类器

【机器学习】第5章 朴素贝叶斯分类器

一、概念

1.贝叶斯定理

(1)就是“某个特征”属于“某种东西”的概率,公式就是最下面那个公式。

2.朴素贝叶斯算法概述

(1)是为数不多的基于概率论的分类算法,即通过考虑特征概率来预测分类。

(2)这是一种假设,假设每个特征属性独立地对分类结果发生影响。

(3)属于监督学习生成模型

(4)朴素贝叶斯模型的参数也不多,对缺失数据不太敏感,算法实现比较简单。

(5)根据各个类别出现的概率,哪个最大,就将其划归为那个类别。

(6)因为是假定特征独立影响,所以公式分母取消,变成下面这样:

二、习题(不重要,难算但不难)

解:

首先,可得:

然后计算各个条件概率:

然后完成题目:

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/Guff_9hys/article/detail/737443
推荐阅读
相关标签
  

闽ICP备14008679号