《模式识别原理、应用及实现》 课件 2.6朴素贝叶斯算法-实验.pptxVIP

模式识别1/justinruan/Learning-ML学以致用，知行合一（实践篇）

朴素贝叶斯2

分多类的朴素贝叶斯?3??

多维正态分布的特征向量在大多数情况下，类条件概率可以采用多维变量的正态密度函数来模拟?4?

多维正态分布条件下的贝叶斯分析???5

朴素贝叶斯与NumPy6

基于最小错误率的Bayes分类器?7

生成数据集8

训练9??

预测10样本属于第[2]类，对数概率为：[[-14-5-43]?

可视化?11

朴素贝叶斯与sk-Learn12

手写数字识别Na?veBayesclassifierFeatures integers0-1613

高斯朴素贝叶斯Sklearn的GaussianNB实现了运用于分类的高斯朴素贝叶斯算法。特征的可能性(即概率)假设为高斯分布。classsklearn.naive_bayes.GaussianNB(priors=None)Priorprobabilitiesoftheclasses.类的先验概率。如果指定，则不根据数据调整先验。相比于其他更复杂的方法，朴素贝叶斯学习器和分类器非常快。分类条件分布的解耦意味着可以独立单独地把每个特征视为一维分布来估计。这样反过来有助于缓解维度灾难带来的问题。14naive_bayes.Bernou