贝叶斯算法原理分析.docxVIP

贝叶斯算法原理分析 Bayes 法是一种在已知先验概率与条件概率的情况下的模式分类方法，待分样本的分类结果取决于各类域中样本的全体。 Bayes 方法的薄弱环节在于实际情况下，类别总体的概率分布和各类样本的概率分布函数(或密度函数) 常常是不知道的。为了获得它们，就要求样本足够大。另外，Bayes 法要求表达文本的主题词相互独立， 这样的条件在实际文本中一般很难满足，因此该方法往往在效果上难以达到理论上的最大值。 贝叶斯法则 机器学习的任务：在给定训练数据D 时，确定假设空间H 中的最佳假设。 最佳假设：一种方法是把它定义为在给定数据 D 以及 H 中不同假设的先验概率的有关知识下的最可能假