注意区别:朴素贝叶斯和贝叶斯推理(主观贝叶斯、贝叶斯网络)不是同一个概念

朴素贝叶斯的思想

求解一个联合概率分布 P ( X , Y ) P(X,Y) P(X,Y)需要首先得到先验概率分布 P ( Y = c i ) P(Y=c_i) P(Y=ci​)和条件概率分布 P ( X = x ∣ Y = c i ) = P ( X = x 1 , X = X 2 , . . . , X = x n ∣ Y = c i ) P(X=x|Y=c_i) = P(X=x_1,X=X_2,...,X=x_n|Y=c_i) P(X=x∣Y=ci​)=P(X=x1​,X=X2​,...,X=xn​∣Y=ci​),而这个条件概率分布参数量很大,为了减小计算量,朴素贝叶斯(Naive Bayes)做了条件概率分布独立的假设,在类确定的条件下都是条件独立的。故 P ( X = x 1 , X = X 2 , . . . , X = x n ∣ Y = c i ) = ∏ j = 1 n P ( X = x j ∣ Y = c i ) P(X=x_1,X=X_2,...,X=x_n|Y=c_i) = \prod_{j=1}^{n}P(X=x_j|Y=c_i) P(X=x1​,X=X2​,...,X=xn​∣Y=ci​)=j=1∏n​P(X=xj​∣Y=ci​)

贝叶斯公式

P ( B i ∣ A ) = P ( A ∣ B i ) P ( B i ) P ( A ) P(B_i|A) = \dfrac{P(A|B_i)P(B_i)}{P(A)} P(Bi​∣A)=P(A)P(A∣Bi​)P(Bi​)​
似然: L ( B i ∣ A ) = C ∗ P ( A ∣ B i ) L(B_i|A)=C*P(A|B_i) L(Bi​∣A)=C∗P(A∣Bi​),似然函数的绝对数值没有意义
后验概率 P ( B ∣ A ) P(B|A) P(B∣A):体现的是由果求因,即知道结果的情况下,推断某件事情发生概率是多大,也称为条件概率。
先验概率 P ( B ) P(B) P(B):在没有任何先验知识下的概率,比如第一枚硬币,正反面的概率都为0.5

机器学习基础——贝叶斯相关推荐

  1. 机器学习朴素贝叶斯_机器学习基础朴素贝叶斯分类

    机器学习朴素贝叶斯 In the previous stories, I had given an explanation of the program for implementation of v ...

  2. 秒懂机器学习---朴素贝叶斯

    秒懂机器学习---朴素贝叶斯 一.总结 一句话总结: 尽管朴素贝叶斯的条件独立性假设存在一定的问题,但是朴素贝叶斯算法仍然能取得比较理想的分类预测结果. 1.朴素贝叶斯分类算法 和 KNN分类算法和决 ...

  3. 机器学习朴素贝叶斯算法+tkinter库界面实现好瓜坏西瓜分类

    机器学习朴素贝叶斯算法+tkinter库界面实现好瓜坏西瓜分类 一.界面实现 from tkinter import * from tkinter import ttk import NBdef ma ...

  4. 机器学习朴素贝叶斯算法_机器学习中的朴素贝叶斯算法

    机器学习朴素贝叶斯算法 朴素贝叶斯算法 (Naive Bayes Algorithm) Naive Bayes is basically used for text learning. Using t ...

  5. 机器学习: 贝叶斯算法的应用

    机器学习: 贝叶斯算法的应用 背景 数据集及源码 互联网经济蓬勃发展的背景下,食品经营模式发生了天翻地覆的变化,人们的消费习惯也悄然发生了转变.通过点击手机APP上自己喜欢的食品, 这些食品就能按时准 ...

  6. python机器学习-朴素贝叶斯(Naive Bayes)模型建立及评估(完整代码+实现效果)

    实现功能: python机器学习-朴素贝叶斯(Naive Bayes)模型建立及评估. 实现代码: # 导入需要的库 from warnings import simplefilter simplef ...

  7. 机器学习 | 朴素贝叶斯法知识总结

    机器学习 | 朴素贝叶斯法理论知识 贝叶斯决策论是概率框架下实施决策的基本方法.对分类任务来说,在所有相关概率都已知的理想情况下,贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记.朴素贝 ...

  8. 机器学习34:贝叶斯先验概率

    机器学习34:贝叶斯先验概率: 理解贝叶斯先验概率是为了更好的理解正则化的概念. (1)贝叶斯先验概率和贝叶斯后验概率: 1.先验概率是指根据以往经验和分析得到的概率,即在事情发生之前事情发生的概率. ...

  9. 机器学习---朴素贝叶斯模型

    机器学习-朴素贝叶斯模型 1.通俗解释: 朴素贝叶斯模型的基本思路就是利用贝叶斯的后验概率公式来推算当前属性下的数据样本属于哪一个类别.直白一点说,就是在特征属性为当前取值的条件下,该样本归属于那个类 ...

最新文章

  1. 2021年大数据Flink(三十九):​​​​​​​Table与SQL ​​​​​​总结 Flink-SQL常用算子
  2. 用C语言编写:判断一个≥2的整型数是否存在于斐波那契数列中?
  3. 《从零开始学Swift》学习笔记(Day 65)——Cocoa Touch设计模式及应用之选择器
  4. Mysql事务结合spring管理
  5. if 需求:小于或等于18未成年,小于或等于30青年人,其余都是老年人
  6. continue语句只用于循环语句中,它的作用是什么?
  7. go语言代码规范详解
  8. [译] Cilium:BPF 和 XDP 参考指南(2021)
  9. 传智播客Lucene视频教程
  10. xUtils3 注解模块
  11. 查看iOS App的bundleId
  12. Retina屏下的图片优化
  13. D. Relatively Prime Graph(构造+数论)
  14. XMU 1614 刘备闯三国之三顾茅庐(二) 【逆向思维+二维并查集】
  15. 我的世界超级英雄无限服务器,我的世界超级英雄无限整合包
  16. 大律法(OTSU法)
  17. Js push整个数组
  18. 超详细的人工智能专家路线图
  19. 我大抵是病了,横竖都睡不着。
  20. 移民加拿大,你们后悔了么?

热门文章

  1. 技术水平真的很重要!技术详细介绍
  2. 2015.02.08——张佳莉
  3. linux格式化光盘找不到介质,Linux挂载光盘的问题解决方案(mount: you must specify the filesystemnbs...
  4. BZOJ1006神奇的国度
  5. 2 c++编程-核心
  6. 解决安装PHP 5.6.40版本途中坑坑洼洼
  7. SpringCloud Zuul配置
  8. 新畅行业商城软件v1.3.9
  9. 有趣的MATLAB小程序
  10. Dell Inspiron 5520 笔记本盲刷BIOS