微信小程序本地存储与登录页面处理实例详细讲解
1097
2022-10-30
统计机器学习(二)朴素贝叶斯
文章目录
教程笔记概述本文阅读先决条件内容总结
基本公式离散属性要点连续属性要点
Tip
教程笔记概述
来源于课程MA429,讲述统计机器学习。是算法工程师的基础。
本文阅读先决条件
阅读并尽可能理解intro naive bayes.pdf这个课件。
内容总结
基本公式
记住朴素贝叶斯公式使用即可,推导可以参考南瓜书和西瓜书。 朴素贝叶斯呢就是说:每个属性都独立地对结果产生影响。
离散属性要点
要预测的数据记录中有缺失的属性:计算时省略该属性的概率,不进行乘积。在训练集计算似然也就是对应类别下某属性的出现概率时出现了0:使用ADD1,给训练集所有属性都加1 。进行各个似然的比较时,先归一化。再最大似然
连续属性要点
有连续属性。则在训练数据时将该属性当作正态分布,计算均值及方差。则在测试时,利用概率密度函数代入该属性值,得到密度。同样要归一化
Tip
朴素贝叶斯不难,关键是找一些例子,仔细计算,走一遍流程。这个PPT就不错。
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~