机器学习简单解释贝叶斯公式和朴素贝叶斯分类?(面试回答)
Posted Better Bench
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习简单解释贝叶斯公式和朴素贝叶斯分类?(面试回答)相关的知识,希望对你有一定的参考价值。
简单解释贝叶斯公式和朴素贝叶斯分类
贝叶斯公式
P
(
B
∣
A
)
=
P
(
A
∣
B
)
P
(
B
)
P
(
A
)
P(B|A) = \\fracP(A|B)P(B)P(A)
P(B∣A)=P(A)P(A∣B)P(B)
朴素贝叶斯分类算法:对于给出的待分类项,求解在此项出现的条件下各个类别出现的概率,哪个最大,就认为此待分类项属于哪个类别
算法过程
- 对每个类别计算概率 P ( y i ) P(y_i) P(yi)
- 对每个特征属性计算所有划分的条件概率 P ( x ∣ y i ) P(x|y_i) P(x∣yi)
- 计算 P ( y i ∣ x ) = P ( x ∣ y i ) p ( y i ) p ( x ) P(y_i|x) = \\fracP(x|y_i)p(y_i)p(x) P(yi∣x)=p(x)P(x∣yi)p(yi)
- 以 P ( y i ∣ x ) P(y_i|x) P(yi∣x)最大项作为x所属的类别
以上是关于机器学习简单解释贝叶斯公式和朴素贝叶斯分类?(面试回答)的主要内容,如果未能解决你的问题,请参考以下文章