1.概念和机制 朴素贝叶斯分类法假定类条件独立。当假定成立时，与其他所有分类器相比，朴素贝叶斯分类器是最准确的。然而，在实践中，变量之间可能存在依赖关系。贝叶斯信念网络说明联合条件概率分布。它允许在变量的子集间定义类条件独立性。它提供一种因果关系的图形模型，可以在其上进行学习。训练后的贝叶斯信念网....
分类：
其他好文 时间：
2014-11-07 18:36:30
阅读次数：
283
统计学习方法（一）——统计学习方法概论统计学习方法（二）——感知机统计学习方法（三）——K近邻法统计学习方法（四）——朴素贝叶斯法统计学习方法（五）——决策树
分类：
其他好文 时间：
2014-11-06 19:40:06
阅读次数：
163
概率 理解概率最简单的方式就是把它们想像成韦恩图中的元素。首先你有一个包含全部可能输出(比如一个实验的)的全集，如今你对当中的一些子集感兴趣，即一些事件。如果我们在研究癌症，所以我们观察人们看他们是否患有癌症。在研究中，如果我们把全部參与者当成我们的全集，然后对不论什么一个个体来说都有两种可能的结论...
分类：
其他好文 时间：
2014-11-04 17:02:23
阅读次数：
225
朴素贝叶斯（NaiveBayesian）算法的核心思想是：分别计算给定样本属于每个分类的概率，然后挑选概率最高的作为猜测结果。假定样本有2个特征x和y，则其属于分类1的概率记作p(C1|x,y)，它的值无法直接分析训练样本得出，需要利用公式间接求得。其中p(Ci)表示训练样本中分类为Ci的..
分类：
编程语言 时间：
2014-11-03 10:22:12
阅读次数：
246
1.综述： 贝叶斯分类方法是统计学分类方法。它们可以预测类隶属关系的概率，如一个给定的元组属于一个特定类的概率。贝叶斯分类基于贝叶斯定理。分类算法的比较研究发现，一种称为朴素贝叶斯分类法的简单贝叶斯分类法可以与决策树和经过挑选的神经网络分类器相媲美。用于大型数据库，贝叶斯分类法也已表现出高准确率和....
分类：
其他好文 时间：
2014-11-01 16:02:39
阅读次数：
240
题记：
近来关于数据挖掘学习过程中，学习到朴素贝叶斯运算ROC曲线。也是本节实验课题，roc曲线的计算原理以及如果统计TP、FP、TN、FN、TPR、FPR、ROC面积等等。往往运用ROC面积评估模型准确率，一般认为越接近0.5，模型准确率越低，最好状态接近1，完全正确的模型...
分类：
编程语言 时间：
2014-10-30 22:15:38
阅读次数：
492
贝叶斯分类器 贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。眼下研究较多的贝叶斯分类器主要有四种，各自是：Naive Bayes、TAN、BAN和GBN。 贝叶斯网络是一个带有概率...
分类：
编程语言 时间：
2014-10-28 13:47:41
阅读次数：
182
一、 前言贝叶斯分类，是机器学习中比较重要并被广泛使用的一个分类算法，它分类思想主要基于贝叶斯定理。用一句话来描述就是，如果一个事件A发生时，总是伴随事件B，那么事件B发生时，事件A发生的概率也会很大。贝叶斯分类一个很常见的用途是用在识别垃圾邮件上。我们给定一个学习集，程序通过学习集发现，在垃圾邮件...
分类：
编程语言 时间：
2014-10-27 14:12:24
阅读次数：
284
全概率公式：已知过程求结果。如果{Bn:n= 1, 2, 3, ... } 是一个概率空间的有限或者可数无限的切割（既Bn为宜完备事件组），且每一个集合Bn是一个可測集合，则对随意事件A有全概率公式：又由于此处Pr(A|B)是B发生后A的条件概率，所以全概率公式又可写作：贝叶斯公式：已知结果求过程。...
分类：
其他好文 时间：
2014-10-25 21:20:19
阅读次数：
317
基础知识描述：联合概率：定义：指在多元的概率分布中多个随机变量同时满足各自条件的概率。举例：假设X和Y都服从正态分布，那么P{X P（A|B） = P(B|A) * P(A) / P(B)故：贝叶斯法则是关于随机事件A和B的条件概率和边缘概率的。P（A|B） = P(B|A) * P(A) / P(...
分类：
其他好文 时间：
2014-10-24 18:35:48
阅读次数：
127
