樸素貝葉斯算法

樸素貝葉斯算法如何理解？

樸素貝葉斯算法是一個生成式的一個算法

咱們的目的就是分類判斷當前的實例x是那個類別的,可是生成式是這樣的p(Ck/x)

在實際問題中咱們一般知道p(Ck)這個叫作先驗機率。咱們也會知道p(x/ck)中的個數，這種條件機率

那怎麼求 p(Ck/x)呢？首先是將條件機率分佈轉換成p(Ck,x)全分佈/p(x)

再將全分佈轉換成逆條件機率p(Ck)p(x/Ck) ，以後，在將p(x/Ck)展開成獨立分佈p(x1*x2*x3...xn/Ck)

而後將p(x)轉換成全機率公式p(x)===sum(p(x/ck)p(ck))

最後只要求出p(Ck/x)的最大值，只要求出k便可。怎麼求，極大似然估計法。

2.在使用極大似然估計法，可能會求出機率爲0的問題。怎麼辦，能夠對進行拉普拉斯平滑，這樣就能夠不會出現機率爲0的狀況