樸素貝葉斯推導

先導說明 我們經常用MLE最大似然來構造模型的目標函數，最大似然的目的是讓觀測到的數據概率最大，所以最大化的就是訓練數據的概率。 而MAP後驗是在觀測數據之上又加上了先驗概率，要讓模型符合先驗概率。當數據足夠多的時候，MAP趨近於MLE。 求極值最容易想到的方法是求導置零。 貝葉斯定理： 也就是聯合概率P(A,B)=P(B,A)=P(A|B)*P(B)=P(B|A)*P(A) 樸素貝葉斯是生成模型

>>阅读原文<<