机器学习详解概率生成模型与朴素贝叶斯分类器
Posted 勿在浮砂筑高台
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详解概率生成模型与朴素贝叶斯分类器相关的知识，希望对你有一定的参考价值。
转载请注明出处http://blog.csdn.net/luoshixian099/article/details/51028244
1.概率生成模型
首先介绍生成模型的概念，然后逐步介绍采用生成模型的步骤。
1.1概念
即对每一种类别 Ck 分别建立一种数据模型 p(x|Ck) ，把待分类数据x分别带入每种模型中，计算后验概率 p(Ck|x) ，选择最大的后验概率对应的类别。
假设原始数据样本有K类，生成学习算法是通过对原始数据类 p(x|Ck) 与 p(Ck) 建立数据类模型后,采用贝叶斯定理从而得出后验概率 p(Ck|x) 。对待分类样本x分别计算属于每个类别的后验概率 p(Ck|x) ，取最大可能的类别。
arg max(k)=p(Ck|x)=p(x,Ck)p(x)=p(x|Ck)p(Ck)∑jp(x|Cj)p(Cj)
以上是关于机器学习详解概率生成模型与朴素贝叶斯分类器的主要内容，如果未能解决你的问题，请参考以下文章