贝叶斯分类器原理

来源：http://www.tudoupe.com时间：2022-02-02

2.2 贝叶斯方法

机器学习的最终目的就是回归 or 分类，这里二者都可以理解为预测，回归很好理解，分类也可以理解为预测属于某一类的概率是多少。我们把上述贝叶斯公式中的X理解为“具有某特征”，把Y理解成“类别标签”，那么贝叶斯公式就可以表示为：

P(“属于某类”|“具有某特征”)=P(“具有某特征”|“属于某类”)P(“属于某类”)/P(“具有某特征”)。

贝叶斯方法把计算“具有某特征条件下属于某类（就是分类）”的概率转化为需要计算“属于某类条件下具有某特征（分别训练模型）”的概率，属于有监督学习。

原文链接：朴素贝叶斯（Naive Bayes）原理+编程实现拉普拉斯修正的朴素贝叶斯分类器

下一篇：没有了

2022-02-02 Windows下Nodejs多版本安装（nvm、nvm	2022-02-02 Arduino Nano自制开发板常见问题汇总
2022-02-02 04-Docker-服务与镜像相关命令	2022-02-02 05-Docker-容器相关命令
2022-02-02 Photoshop提示“脚本错误-50出现一般	2022-02-02 WebRTC example peerconnection介绍
2022-02-02 【kafka】kafka 如何查看内部磁盘	2022-02-02 Golang——深浅拷贝
2022-02-02 关于 MySQL 每次开机后需要很长时间	2022-02-02 【Linux】一文读透Linux权限及相关指