原创力文档- 1、本文档共24页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
machin及e learning 机器学习
机器学习;基于规则的机器学习;基于规则的分类器概述;实例;基于规则分类器的应用;规则的覆盖率和准确率;规则分类器的特点;规则的形成;直接法—序列覆盖;间接法—C4.5规则;基于规则分类器的优点;基于统计的机器学习;贝叶斯方法概述;贝叶斯方法的特点;先验知识;最大后验概率MAP;实例;贝叶斯最优分类器;举例;朴素贝叶斯分类器;举例;P(vj) : 不同目标值的概率
P(Play Tennis = yes) = 9/14 = .64 P(Play Tennis = no) = 5/14 = .36
P(aj|vj) : 条件概率
P(Wind = strong | Play Tennis = yes) = 3/9 = .33
P(Wind = strong | Play Tennis = no) = 3/5 = .60
P(yes)P(sunny|yes)P(cool|yes)P(high|yes)P(strong|yes)=0.0053
P(no) P(sunny|no) P(cool|no) P(high|no) P(strong|no)= .0206
vNB = no;贝叶斯信任网络;参考文献
文档评论（0）