機器學習入門算法及其java實現-樸素貝葉斯

貝葉斯決策論是在全部相關機率都已知的理想情形下，基於這些機率和誤判損失來選擇最優的類別標記。 假設有N中可能的類別標記，即 y={c1,c2,...,cN} , λij 是將一個真實標記爲 cj 的樣本誤分類爲 ci 的樣本誤分類爲所產生的損失。基於後驗機率 p(ci|x) 可得到將樣本 x 分類爲 ci 所產生的指望損失(expected loss)，即在樣本 x 上的「條件風險」(condit

>>阅读原文<<