贝叶斯分类

作者: 帅猪2333 | 来源:发表于2018-11-22 21:25 被阅读0次

一   ,贝叶斯定理:

后验概率 :  P(H|X)

先验概率 :  P (H)

二 ,朴素贝叶斯分类(已知类标号,假设属性的值条件地独立)

1.用类标号计算出先验概率 P(Ci)

2.对每个不同的属性计算每个属性对应的P(X|Ci)

3.假设属性独立,计算基于类标号的P(X|Ci) (每一个独立相乘)

4.最终求出P(X|Ci)*P(Ci)的最大值

三 .贝叶斯网络(已知类标号,联合概率分布,允许变量子集间定义类条件独立性)

分为两部分:无环图 和 条件概率表

    1. 无环图

   结点表示随机变量,弧表示概率依赖,弧前端是双亲节点,后端是后继,不在弧上的后继称为非后继

 例图:

2. 条件概率表 

例:

四 ,训练贝叶斯信念网络

情况一:如果网络机构已知并且变量是可见的,训练网络直接计算CPT,与朴素贝叶斯涉及的计算概念类似

情况二:变量隐藏条件下,用梯度下降方法训练信念网络

相关文章

网友评论

    本文标题:贝叶斯分类

    本文链接:https://www.haomeiwen.com/subject/xlshqqtx.html