朴素贝叶斯分类算法是机器学习中十分经典而且应用十分广泛的算法，本文尝试用它进行数据点的分类。...
分类：
编程语言 时间：
2015-06-30 22:03:55
阅读次数：
267
贝叶斯分类器 贝叶斯分类分类原则是一个对象的通过先验概率。贝叶斯后验概率公式后计算。也就是说，该对象属于一类的概率。选择具有最大后验概率的类作为对象的类属。现在更多的研究贝叶斯分类器，有四个，每间：Naive Bayes、TAN、BAN和GBN。 贝叶斯网络是一个带有概率凝视的有向...
分类：
编程语言 时间：
2015-06-20 09:06:07
阅读次数：
144
垃圾邮件分类是监督学习分类中一个最经典的案例，本文先复习了基础的概率论知识、贝叶斯法则以及朴素贝叶斯模型的思想，最后给出了垃圾邮件分类在Matlab中用朴素贝叶斯模型的实现...
分类：
其他好文 时间：
2015-06-07 12:38:08
阅读次数：
108
贝叶斯分类器 贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。眼下研究较多的贝叶斯分类器主要有四种，各自是：Naive Bayes、TAN、BAN和GBN。 贝叶斯网络是一个带有概率...
分类：
编程语言 时间：
2015-06-05 13:55:39
阅读次数：
241
这是Kaihua Zhang发表在ECCV2012的paper，paper的主题思想是利用满足压缩感知(compressive sensing)的RIP(restricted isometry property)条件的随机测量矩阵(random measurement matrix)对多尺度(multiple scale)的图像特征(features)进行降维，然后通过朴素贝叶斯分类器(naive...
分类：
其他好文 时间：
2015-05-11 10:47:15
阅读次数：
551
高斯环境下贝叶斯分类器退化为线性分类器，与感知器形式一样，但是感知器的线性特性并不是由于高斯假设而引起的。
贝叶斯分类器：
高斯分布下的贝叶斯分类器...
分类：
其他好文 时间：
2015-05-09 13:31:18
阅读次数：
137
引言朴素贝叶斯由贝叶斯定理延伸而来的简单而强大的概率模型，它根据每个特征的概率确定一个对象属于某一类别的概率。该方法基于一个假设，所有特征需要相互独立，即任一特征的值和其他特征的值没有关联关系。
虽然这种条件独立的假设在许多应用领域未必能很好满足，甚至是不成立的。但这种简化的贝叶斯分类器在许多实际应用中还是得到了较好的分类精度。训练模型的过程可以看作是对相关条件概率的计算，它可以用统计对应某一类别...
分类：
其他好文 时间：
2015-05-03 23:43:54
阅读次数：
298
1.1朴素贝叶斯公式
贝叶斯定理：
其中A为事件，B为类别，P(B|A)为事件A条件下属于B类别的概率。
朴素贝叶斯分类的正式定义如下：
1、设为一个待分类项，而每个a为x的一个特征属性。
2、有类别集合。
3、计算。
4、如果，则 。
那么现在的关键就是如何计算第3步中的各个条件概率：
...
分类：
其他好文 时间：
2015-04-29 13:41:27
阅读次数：
302
贝叶斯决策理论要求计算两个概率p1(x,y)和p2(x,y)1.如果p1(x,y)>p2(x,y),那么类别为12.如果p1(x,y)p(c2|x,y),那么属于类别c11.如果p(c1|x,y)<p(c2|x,y),那么属于类别c2朴素贝叶斯分类器中的另一个假设是，每个特征同等重要。朴素贝叶斯分类...
分类：
其他好文 时间：
2015-04-12 22:42:30
阅读次数：
153
之前学习了贝叶斯分类器的构造和使用，其中核心的部分是得到事件的先验概率并计算出后验概率 ，而事实上在实际使用中，很多时候无法得到这些完整的信息，因此我们需要使用另外一个重要的工具——参数估计。参数估计是在已知系统模型结构时，用系统的输入和输出数据计算系统模型参数的过程。...
分类：
其他好文 时间：
2015-04-06 11:31:17
阅读次数：
219
