朴素贝叶斯先验概率公式推导
1.朴素贝叶斯模型
朴素贝叶斯是基于贝叶斯定理和特征条件独立性假设的分类模型;他将待预测的样本划分到后验概率 P(Y|X ) 最大的类别中
模型建立过程如下:
现在我们的问题是如何求解P(Y=Ck), 对于求解P(X=x|Y=Ck)的过程类似,我们只求P(Y=Ck)吧!
2. 先验概率P(Y=Ck)公式推导
先贴上李航书上的公式:
其中:I 是指示函数,当 yi = ck 时,返回1,否则返回0。比如 有4个y值分别是 y1=1, y2=2,y3=1,y4=1, 则
现在开始我们的表演:
1) Y 表示类别标签,是一个多项式分布,对于多项式分布,其实我们在高中就学过了,它的形式如下
C1,C2,C3,…,Ck 表示Y有K个类别取值;θ1,θ2,θ3,…,θk 则是取到各个类别下的概率
我们把这张表格用一个公式表示(一定要记住这个公式的形式,很常见的!!!)
可以验证这个公式:小y 是某一类别,当 y = C1 时, 代入得到 P(Y=C1) = θ1
2) 求似然函数
我们知道似然函数是观察值的联合概率分布,又因为样本是独立同分布的,因此可以将联合概率拆成单独概率相乘的形式即:
因为有N个样本,所以是N个样本概率的连乘。
y1表示第一个样本的类别,y2表示第二个样本的类别,以此类推…
代入公式得到:
连乘之后:
我们令
式子中:M1 其实表示的是在 N 个样本中,有多少是C1类
M2表示的是在 N 个样本中,有多少是C2类
M3表示的是在 N 个样本中,有多少是C3类
…
显然:M1+M2 + M3 +…+.Mk = N
3) 化简目标函数
我们要最大化似然函数即:
转化为对数形式:
千万别忘了我们还有一个约束条件:所有的概率之和为1,即
我们把它转化为拉格朗日函数形式:
4)求解拉格朗日函数
由于:
代入,可以求解出 λ 值
再次代入到 θ 中:可以依次求解出 θ 的值:
式中:
大家可以自行体会
至此,整个推导过程就结束啦!
朴素贝叶斯先验概率公式推导相关推荐
- 《统计学习方法》读书笔记——朴素贝叶斯法(公式推导+代码实现)
传送门 <统计学习方法>读书笔记--机器学习常用评价指标 <统计学习方法>读书笔记--感知机(原理+代码实现) <统计学习方法>读书笔记--K近邻法(原理+代码实现 ...
- NLP之TopicModel:朴素贝叶斯NB的先验概率之Dirichlet分布的应用
NLP之TopicModel:朴素贝叶斯NB的先验概率之Dirichlet分布的应用 目录 1.Dirichlet骰子先验和后验分布的采样 2.稀疏Dirichlet先验的采样 1.Dirichlet ...
- 【人工智能】— 不确定性、先验概率/后验概率、概率密度、贝叶斯法则、朴素贝叶斯 、最大似然估计
[人工智能]- 不确定性 不确定性 不确定性与理性决策 基本概率符号 先验概率(无条件概率)/后验概率(条件概率) 随机变量 概率密度 联合概率分布 公理 完全联合分布 概率演算 独立性 贝叶斯法则 ...
- NLP之TM之Dirichlet:朴素贝叶斯NB的先验概率之Dirichlet分布的应用
NLP之TM之Dirichlet:朴素贝叶斯NB的先验概率之Dirichlet分布的应用 目录 1.Dirichlet骰子先验和后验分布的采样 2.稀疏Dirichlet先验的采样 1.Dirichl ...
- 朴素贝叶斯基本原理和预测过程、先验概率、后验概率、似然概率概念
贝叶斯原理是英国数学家托马斯·贝叶斯提出的. 贝叶斯原理 建立在主观判断的基础上:在我们不了解所有客观事实的情况下,同样可以先估计一个值,然后根据实际结果不断进行修正. 举例: 一个袋子里有10个球, ...
- matlab贝叶斯判别后验概率,统计学习方法——朴素贝叶斯法、先验概率、后验概率(示例代码)...
朴素贝叶斯法,就是使用贝叶斯公式的学习方法,朴素就是它假设输入变量(向量)的各个分量之间是相互独立的.所以对于分量之间不独立的分布,如果使用它学习和预测效果就不会很好. 简化策略 它是目标是通过训练数 ...
- NLP算法之一(朴素贝叶斯理论部分)
一.贝叶斯公式 贝叶斯公式就一行: P(Y|X)=P(X|Y)P(Y)P(X) 而它其实是由以下的联合概率公式推导出来: P(Y,X)=P(Y|X)P(X)=P(X|Y)P(Y) 其中P(Y)叫做先验 ...
- 从朴素贝叶斯的角度推导logistic模型
从朴素贝叶斯的角度推导logistic模型 文章结构预览 1.朴素贝叶斯算法的理解 2.logistic模型简介 3.从朴素贝叶斯的角度解释为什么logistic模型的sigmoid函数可以表示概率 ...
- 朴素贝叶斯法及python实现
文章目录 朴素贝叶斯法概述 1. 定理及公式推导 1.1 定理: 1.2 朴素贝叶斯 1.3 条件独立的假设是: 1.4 先验概率后验概率 1.5 极大似然估计 2. python实现 朴素贝叶斯法概 ...
最新文章
- forms身份验证 不跳转_“东湖24小时”玩不够?收好这份指南,365天不重样
- 爬虫批量下载全站小说并自动保存
- leetcode 1438. 绝对差不超过限制的最长连续子数组(滑动窗口+treemap)
- JavaScript密码复杂度
- SQL Server-流程控制 2,If...Else 语句
- python 多态 锁_python 上下文管理器,多态,数据锁定与自省,
- 雅虎网站页面性能优化的34条黄金守则
- mysql 自定义函数 找不到表,mysql判断表记录是否存在,不存在则插入新纪录
- VS2015各版本的区别
- 使用phpStudy搭建74cms(详)
- 如何快速实现直播美颜功能 - 接入美颜SDK详解
- 教你如何用python画出4种风格不一的树
- Android 淘宝19年双十一自动化做任务
- android 进程被回收,Android开发进阶:Activity和进程的回收和状态恢复
- 小程序如何本地去水印,基于很多小白写的教程
- 华为手机鸿蒙系统手机_升级快讯:又一批华为手机可以升级到“鸿蒙系统”了!...
- ggplot2–绘制分布图
- MSP430+LCD1602显示实验
- 线程之间传递信息的几种方法 Android
- Java注解annotation invalid type of annotation member