ML:naive bayes

基於特徵相互獨立,強假設。 典型的生成模型(生成模型還有隱馬爾可夫鏈) 生成模型還原聯合概率分佈P(X,Y),學習和收斂速度更快。 判別模型直接學習條件概率P(X|Y)或決策函數f(X),往往準確率更高。 根據貝葉斯公式: 學習: 先驗概率P(Y) 條件概率P(X|Y) 得出: 後驗概率P(Y|X) 樸素貝葉斯將實例分到後驗概率最大的類中,等價於期望風險最小化。 先驗概率計算: 條件概率計算: 貝
相關文章
相關標籤/搜索