一 朴素贝叶斯算法 1. 简介 NaïveBayes算法，又叫朴素贝叶斯算法，朴素：特征条件独立；贝叶斯：基于贝叶斯定理。属于监督学习的生成模型，实现简单，没有迭代，并有坚实的数学理论（即贝叶斯定理）作为支撑。在大量样本下会有较好的表现，不适用于输入向量的特征条件有关联的场景。 2. 基本思想 (1 ...
分类：
其他好文 时间：
2018-11-18 00:44:09
阅读次数：
342
1. 概率密度函数的参数估计 前文讲到了利用贝叶斯决策理论构建贝叶斯分类器，初学者难免会有疑问，既然已经可以通过构建贝叶斯分类器的方法处理分类问题，那为什么还要学习本章节内容？ 事实上，贝叶斯分类器的缺可以通过计算先验概率与类条件概率来设计最优分类器。但是对于大多数实际问题，我们往往无法知道这两个概 ...
分类：
其他好文 时间：
2018-11-08 00:21:39
阅读次数：
185
分类器可能产生错误分类，要求分类器给出一个最优的类别猜测结果并给出这个猜测的概率估计值。 朴素贝叶斯的特点： 优点：在数据较少的情况下依然有效，可以处理多类别问题； 缺点：对于输入数据的准备方式较为敏感； 适用数据类型：标称型数据 条件概率：在A条件下发生B结果的概率： P(B|A) = P(A&B ...
分类：
其他好文 时间：
2018-10-27 00:11:16
阅读次数：
182
第一章 绪论 http://blog.csdn.net/icefire_tyh/article/details/52065224 第二章 模型评估与选择 http://blog.csdn.net/icefire_tyh/article/details/52065867 第三章 线性模型 http:/ ...
分类：
其他好文 时间：
2018-10-25 20:39:42
阅读次数：
3473
最近在看周志华的《机器学习》，感觉讲的还是条理清晰，循序渐进的。但是只是看了很快概念就混淆，导致脑子里一片混乱，所以准备将看过的内容及学到的东西放在这里和大家相互学习交流。 本文转自：http://blog.csdn.net/HerosOfEarth/article/details/52347820 ...
分类：
其他好文 时间：
2018-10-19 02:22:40
阅读次数：
157
贝叶斯定理（Bayes Theorem） 朴素贝叶斯分类（Naive Bayes Classifier） 贝叶斯分类算法（NB），是统计学的一种分类方法，它是利用贝叶斯定理的概率统计知识，对离散型数据进行分类的算法。 朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出 ...
分类：
编程语言 时间：
2018-10-13 02:34:04
阅读次数：
255
在考虑一个结果的概率时候，要考虑众多的属性，贝叶斯算法利用所有可能的数据来进行修正预测，如果大量的特征产生的影响较小，放在一起，组合的影响较大，适合于朴素贝叶斯分类 导入类库 代码 ...
分类：
其他好文 时间：
2018-10-08 23:10:22
阅读次数：
219
机器学习 3 线性分类 符号约定 贝叶斯分类器 1. 基于最小错误率的决策 符号约定： 样本 $ \bold{x} \in R^d$ 状态（类） $w = {w_1,w_2,\dots}$ 先验概率 $P(w_1),P(w_2)$ 样本分布密度 $p(x)$ 类条件概率密度 $p(\bold{x}| ...
分类：
其他好文 时间：
2018-10-06 23:39:31
阅读次数：
188
pandas之get_dummies 方法：pandas.get_dummies(data,prefix=None,prefix_sep="_",dummy_na=False,columns=None,sparse=False,drop_first=False) 该方法可以将类别变量转换成新增的虚拟 ...
分类：
编程语言 时间：
2018-10-05 21:05:57
阅读次数：
246
