logo

您所在位置网站首页 > 海量文档  > 计算机 > 数据结构与算法

朴素贝叶斯法.pdf 17页

本文档一共被下载: ,您可全文免费在线阅读后下载本文档。

  • 支付并下载
  • 收藏该文档
  • 百度一下本文档
  • 修改文档简介
全屏预览

下载提示

1.本站不保证该用户上传的文档完整性,不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值,立即自动返金币,充值渠道很便利
特别说明: 下载前务必先预览,自己验证一下是不是你要下载的文档。
  • 上传作者 小茗(下载加QQ:506618349)(上传创作收益人)
  • 发布时间:2019-04-26
  • 需要金币6(10金币=人民币1元)
  • 浏览人气
  • 下载次数
  • 收藏次数
  • 文件大小:1.06 MB
下载过该文档的会员
朴素贝叶斯法
你可能关注的文档:
目录 1. 朴素贝叶斯法的学习与分类 2. 朴素贝叶斯法的参数估计 一、朴素贝叶斯法的学习与分类 基本方法 后验概率最大化的含义 基本方法 训练数据集: 由X和Y 的联合概率分布P(X,Y)独立同分布产生 朴素贝叶斯通过训练数据集学习联合概率分布P(X,Y) , 即先验概率分布: 及条件概率分布: 注意:条件概率为指数级别的参数: 基本方法 条件独立性假设:  “朴素”贝叶斯名字由来,牺牲分类准确性。 贝叶斯定理: 代入上式: 基本方法 贝叶斯分类器: 分母对所有c 都相同: k 后验概率最大化的含义 : 朴素贝叶斯法将实例分到后验概率最大的类中,等价于 期望风险最小化, 假设选择0-1损失函数:f(X)为决策函数 期望风险函数: 取条件期望: 后验概率最大化的含义 : 只需对X=x逐个极小化,得: 推导出后验概率最大化准则: 二、朴素贝叶斯法的参数估计 应用极大似然估计法估计相应的概率: 先验概率P(Y=c )的极大似然估计是: k 设第j个特征x(j)可能取值的集合为: 条件概率的极大似然估计: 朴素贝叶斯法的参数估计 学习与分类算法Naïve Bayes Algorithm : 输入: 训练数据集 第i个样本的第j个特征 第j个特征可能取的第l个值 输出:  x 的分类 朴素贝叶斯法的参数估计  步骤 1 、计算先验概率和条件概率 朴素贝叶斯法的参数估计  步骤 2、对于给定的实例 计算 3 、确定x 的类别 例子 例子 测试 例子 贝叶斯估计 考虑:用极大似然估计可能会出现所要估计的概率值为 0 的情况,这时会影响到后 验概率的计算结果,使分类 产生偏差.解决这一问题的方法是采用贝叶斯估计。 条件概率的贝叶斯估计: 先验概率的贝叶斯估计: Q & A

发表评论

请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
用户名: 验证码: 点击我更换图片

©2010-2013 max.book118.com在线文档投稿赚钱网. All Rights Reserved 蜀ICP备08101938号 经营许可证:川B2-20180569