贝叶斯定理
设试验 E 的样本空间为 S,A 为 E 的事件,为样本空间 S 的一个划分,且,则有
朴素贝叶斯算法
输入
1. 训练集
2. 实例
输出
算法步骤
1. 先验概率的极大似然估计
2. 条件概率的极大似然估计
3. 朴素贝叶斯法假设:在分类确定的条件下,用于分类的特征是条件独立的
贝叶斯估计(最大后验估计 MAP)
它等价于在的各个取值的频数上赋予了一个正数.
,极大似然估计;,拉普拉斯平滑.
其他朴素贝叶斯分类器
假设了不同的分布.
1. GaussianNB(假设特征的条件概率分布满足高斯分布)
2. MultinomialNB(假设特征的条件概率分布满足多项式分布)
3. BernoulliNB(假设特征的条件概率分布满足二项分布)
网友评论