朴素贝叶斯（Naive Bayes）是一种基于概率理论的监督学习算法。 这里提下贝叶斯公式， \(P(C,X) = P(C|X)P(X)=P(X|C)P(C)\) \(P(C|X) = \frac{P(X|C)P(C)}{P(X)}\) 现在我希望我预测的 \(\hat{C} = argmax_{c ...
分类：
其他好文 时间：
2021-03-17 15:04:06
阅读次数：
0
设 \(A_1,A_2,...,A_n\) 为样本空间的一个划分, 且 \(P(A_i) > 0, i = 1,2,...,n\), 对任意随机事件 \(B \subset \Omega\), 当 \(P(B) > 0\) 时, 则有 \(P(A_i|B) = \frac{P(B|A_i)P(A_i ...
分类：
其他好文 时间：
2020-12-04 11:01:25
阅读次数：
6
题目 某种疾病的患病率为 0.5%, 通过验血诊断该病的误诊率为5%(非患者中有5%的人验血结果为阳性，患者中有5%的人验血结果为阴性).现在知道某人的验血结果为阳性，求其患此病的概率 朴素贝叶斯公式如下： ...
分类：
其他好文 时间：
2020-10-10 18:00:49
阅读次数：
27
一、概述 贝叶斯分类算法是统计学的一种概率分类方法，朴素贝叶斯分类是贝叶斯分类中最简单的一种。其分类原理就是利 用贝叶斯公式根据某特征的先验概率计算出其后验概率，然后选择具有最大后验概率的类作为该特征所属的类。之 所以称之为”朴素”，是因为贝叶斯分类只做最原始、最简单的假设：所有的特征之间是统计独立 ...
分类：
编程语言 时间：
2020-07-12 16:50:57
阅读次数：
65
当有人告诉你“走过贝克街你有0.1的概率被杀害”，如何用主观的方式理解。 已知$P(走过贝克街被杀害)=0.1$，这是一个先验概率。考虑$P(走过贝克街被杀害|手里拿着杯子)$这个后验概率 \(P(走过贝克街被杀害|手里拿着杯子)=\frac{P(手里拿着杯子|走过贝克街被杀害)\cdot P(走过 ...
分类：
其他好文 时间：
2020-07-11 21:09:08
阅读次数：
77
朴素：在给定类别的情况下，各个特征相互独立 贝叶斯公式：P(A|B)=P(A)P(B|A)/P(B) 朴素贝叶斯：P(特征|类别)=P(特征)P(类别|特征)/P(类别) 核心思想：算一下概率，那种类别概率大，就分为那种类别。 在scikit-learn中的实现： 1.高斯贝叶斯：数据集符合高斯（正 ...
分类：
其他好文 时间：
2020-06-25 12:11:08
阅读次数：
100
参考链接1 参考链接2 一、介绍 极大似然估计和贝叶斯估计分别代表了频率派和贝叶斯派的观点。频率派认为，参数是客观存在的，只是未知而矣。因此，频率派最关心极大似然函数，只要参数求出来了，给定自变量X，Y也就固定了，极大似然估计如下所示: D表示训练数据集，是模型参数 相反的，贝叶斯派认为参数也是随机 ...
分类：
其他好文 时间：
2020-06-09 23:27:55
阅读次数：
87
本福特定律 概率公式 贝叶斯公式 重要分布 Beta分布 事件的独立性 期望与方差 协方差 Pearson相关系数 切比雪夫不等式 大数定律 中心极限定理 最大似然估计 ...
分类：
其他好文 时间：
2020-06-03 23:10:13
阅读次数：
66
本篇文章将从贝叶斯公式出发，探究贝叶斯到底是啥，以及其在认知层面的巨大作用。不过据说每出现 1 个公式，文章阅读将下降 1/3。 华为大佬说：人工智能就是统计学。在我眼中，贝叶斯公式就是统计学走向机器学习的起点。 贝叶斯公式 贝叶斯定理（Bayes’s Rule）：如果有k个相互独立事件 A1,A2 ...
分类：
其他好文 时间：
2020-06-03 20:08:55
阅读次数：
57
一，古典概型： 1，事件的关系 2，事件的独立及乘法公式 3，全概率公式 ：P（B）=E(1-n)P(Ai)*P(B|Ai) 完备事件组：任意2个为空集，全部事件为全集 4，贝叶斯公式：已知完备事件组，B 求B发生条件Ai代表的全概率事件组发生的概率 二、随机概率分布的数字特征：期望及方差 ...
分类：
其他好文 时间：
2020-05-25 09:47:04
阅读次数：
172
