貝葉斯算法筆記

通常情況下，貝葉斯分類器最適合於解決一類問題：爲了估計一個結果的總概率。從衆多屬性中提取的信息應該被同時考慮。儘管很多機器學習算法忽略了具有弱影響的一些特徵，但是貝葉斯方法利用了所有可以獲得的證據來巧妙的修正預測。如果有大量特徵產生的影響較小，但將他們放在一起，它們的組合影響可能會很大。 1、貝葉斯概率公式 理解貝葉斯公式還要理解一些與貝葉斯相關的概念。 先驗概率：利用數據計算得到的先驗概率，稱爲

>>阅读原文<<