机器学习-分类-朴素贝叶斯算法_第三关朴素贝叶斯

作者：菜鸟追梦旅行 | 2024-06-15 21:39:18

踩

第三关朴素贝叶斯

朴素贝叶斯算法是基于贝叶斯定理与特征条件独立性假设的分类方法

（1）贝叶斯定理

$P(B|A)=\frac{P(B)P(A|B)}{P(A)}$

$P(A)=\sum_{i=1}^{n}P(B_i)P(A|B_i)$

（2）特征条件独立性假设

给定一个数据集(x,y)，每个样本x包含n维特征，类标签集合y包含N个类别 $y\subseteq (y_1,y_2,...y_k)$ 。

现给定一个新样本x，需要判断它属于哪一类。在这里，我们取概率最大的类别作为其类标签，即问题转化为：找到 $P(y_1|x),P(y_2|x),...P(y_k|x)$ 最大值对应的类标签。即

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/菜鸟追梦旅行/article/detail/723937

机器学习-分类-朴素贝叶斯算法_第三关 朴素贝叶斯