机器学习算法总结4:朴素贝叶斯法
朴素贝叶斯(naive Bayes)是基于贝叶斯定理和条件独立假设的分类方法。该方法是生成方法，即通过数据学习输入/输出的联合概率分布，然后基于此模型，对于给定的输入x，求出后验概率最大的输出y。
1.模型
联合概率分布：P(X,Y)
先验概率(边缘概率)分布：
条件概率分布：
三者关系：条件概率分布=联合概率分布/先验概率。
条件概率分布有指数级数量参数，通过条件独立假设(用于分类的特征在类确定的条件下都是条件独立的)，将朴素贝叶斯法变得简单，但会牺牲一定的分类准确率。
条件独立性假设得到：
2.策略
贝叶斯公式：
朴素贝叶斯法分类时，对给定的输入x，通过学习计算后验概率分布，将后验
文件下载
评论信息
其他资源
- 在Win32平台上基于VMware软件部署并测试第三代虚拟蜜网
- 半导体集成电路_朱正涌
- 网上花店系统（jsp+servlet）
- 超清晰的CFA教材英文-CFA Curriculum_L1_2016_Volume 1
- UCOSIII+LWIP移植
- The Art Of Computer Programming 英文版 全四册
- 湖州市分乡镇行政区划界线KMZ文件
- 用PSO优化LSSVM的参数
- 致远A6版本的数据库字典
- 表白撩妹撩汉的html，很简单的网页
- S5PV210平台wm8960音频解码芯片驱动移植记录.pdf
- 13.深度解密十三：如何快速创建和建立百度百科之“APP”篇.pdf
- cm-canopen-user-manual-english.pdf
- 设计带式输送机传动装置中的一级圆柱齿轮减速器
- 从键盘上接受一个小写字母，将它变成对应大写字母并显示。
- Mysql数据库总结最全文档（含代码）
- PSS/E用户手册
- Professional.C#7.and.NET.Core.2.0.2018.4.epub
- php购票管理系统.zip
- asp微信公众平台
- chrome插件 Momentum
- h.264在fpga上的实现
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明