码迷,mamicode.com
首页 > 编程语言 > 详细

复习机器学习算法:贝叶斯分类器

时间:2015-03-02 11:19:44      阅读:297      评论:0      收藏:0      [点我收藏+]

标签:贝叶斯分类器   机器学习   算法   map   m-估计   

   

    

朴素贝叶斯算法是寻找一个极大后验假设(MAP),即候选假设的最大后验概率。

 

如下:

技术分享

在朴素贝叶斯分类器中,假设样本特征之间是独立的,则有:

技术分享

计算每个假设的后验概率,选出最大的概率,对应的类别就是样本的分类结果。

 

优缺点:

对小规模的数据表现很好,适合多分类任务,适合增量式训练。当时,需要样本的特征之间独立性较高,不能有太多的相关性。对输入数据的表达形式很敏感。

 

还有,当样本中某个特征在该类别中出现次数为0,即P(ai |vj)=0, 导致上式的分子全部为0. 这个时候需要使用m-估计和贝叶斯结合,如下:

 技术分享

 

复习机器学习算法:贝叶斯分类器

标签:贝叶斯分类器   机器学习   算法   map   m-估计   

原文地址:http://blog.csdn.net/puqutogether/article/details/44014961

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!