为什么叫朴素贝叶斯？ 朴素是指特征条件独立；贝叶斯是指基于贝叶斯定理。 $x=\frac{{-b}\pm\sqrt{b^2-4ac}}{2a}$ $p(y=c_k|x)=\dfrac{\prod_{i=1}^{M}p(x^i|y=c_k)p(y=c_k)}{\sum_kp(y=c_k)\prod_{ ...
分类：
其他好文 时间：
2017-08-24 00:05:03
阅读次数：
146
《Machine Learning in Action》 为防止连续乘法时每个乘数过小，而导致的下溢出（太多很小的数相乘结果为0，或者不能正确分类） 训练： 分类： 注意：上述代码中标有注意的地方，是公式中概率连乘变成了对数概率相加。此举可以在数学上证明不会影响分类结果，且在实际计算中，避免了因概率 ...
分类：
其他好文 时间：
2017-08-22 00:21:03
阅读次数：
191
区别： 几种朴素贝叶斯分类器的区别在于对于分布的假设，即假设满足的形式。 一、高斯NB 导入 假设特征的似然函数满足， 和 采用“最大似然估计” 二、Multinomial NB 导入 特征是离散值，通常用样本的概率去估计 为避免有的特征值缺省，一般对样本的概率做Laplace平滑：（a=1时） 三 ...
分类：
其他好文 时间：
2017-08-22 00:19:05
阅读次数：
731
如果如今要构建一个网络图书馆，我们能够给新进来的书贴上若干个标签，没有机器学习算法的情况下，我们须要给这些书手动分类。是计算机类的呀，还是非计算机类的呀。是小说类的呀。还是非小说类的云云。 那么。我们能够通过让程序自己学习怎样通过一本书上的若干标签来进行图书类别的区分，这样就能够节省非常多人力，这也 ...
分类：
其他好文 时间：
2017-08-21 09:55:28
阅读次数：
169
书接上文 ：从朴素贝叶斯分类器到贝叶斯网络（上） 三、贝叶斯网络贝叶斯网络（Bayesian Network）是一种用于表示变量间依赖关系的数据结构。有时它又被称为信念网络（Belief Network）或概率网络（Probability Network）。在统计学习领域。概率图模型（PGM，Pro ...
分类：
其他好文 时间：
2017-08-20 21:25:41
阅读次数：
347
1. 简述 贝叶斯是典型的生成学习方法 对于给定的训练数据集，首先，基于特征条件独立假设，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，根据贝叶斯定理求后验概率最大的输出y 术语说明： 特征条件独立假设：用于分类的特征在类确定的条件下都是条件独立的。这一假设大大减少模型包含的条件 ...
分类：
其他好文 时间：
2017-08-16 17:23:28
阅读次数：
144
基本思想 朴素贝叶斯是基于贝叶斯定理与特征条件独立假设的分类方法 。 基本方法 定义 输入空间 （n维向量集合），输出空间y={c1,c2,...,cn} x?Rn x?Rn x?Rn ...
分类：
其他好文 时间：
2017-08-16 17:01:02
阅读次数：
152
1. Scikit-learn Scikit-learn 是基于Scipy为机器学习建造的的一个Python模块，他的特色就是多样化的分类，回归和聚类的算法包括支持向量机，逻辑回归，朴素贝叶斯分类器，随机森林，Gradient Boosting，聚类算法和DBSCAN。而且也设计出了Python n ...
分类：
编程语言 时间：
2017-08-16 14:06:01
阅读次数：
285
华电北风吹 日期：2015/12/12 朴素贝叶斯算法和高斯判别分析一样同属于生成模型。但朴素贝叶斯算法须要特征条件独立性如果，即样本各个特征之间相互独立。 一、朴素贝叶斯模型 朴素贝叶斯算法通过训练数据集学习联合概率分布p(x,y),其中x=(x1,x2,...,xn)∈Rn,y∈Rp(x,y), ...
分类：
其他好文 时间：
2017-08-11 10:56:50
阅读次数：
106
朴素贝叶斯分类是基于贝叶斯概率的思想，假设属性之间相互独立，求得各特征的概率，最后取较大的一个作为预测结果（为了消弱罕见特征对最终结果的影响，通常会为概率加入权重，在比较时加入阈值）。 ...
分类：
其他好文 时间：
2017-08-10 01:21:42
阅读次数：
206
