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(BA)=P(A)P(AB)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

  1. 对每个类别计算概率 P ( y i ) P(y_i) P(yi)
  2. 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(xyi)
  3. 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(yix)=p(x)P(xyi)p(yi)
  4. P ( y i ∣ x ) P(y_i|x) P(yix)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

机器学习面试--朴素贝叶斯

机器学习系列-朴素贝叶斯分类器

徒手打造一个朴素贝叶斯分类器

机器学习知识点查漏补缺(朴素贝叶斯分类)

机器学习--朴素贝叶斯算法原理方法及代码实现

Spark机器学习:朴素贝叶斯算法