概括：朴素贝叶斯分类器(Naïve Bayes classifier)是一种相当简单常见但是又相当有效的分类算法，在监督学习领域有着很重要的应用。朴素贝叶斯是建立在“全概率公式”的基础下的，由已知的尽可能多的事件A、B求得的P(A|B)来推断未知P(B|A)，是的有点玄学的意思，敲黑板！！！ 优点： ...
分类：
其他好文 时间：
2019-12-13 14:20:21
阅读次数：
295
朴素贝叶斯分类器 (naive bayes classifier, NBC) 是一种常见且简单有效的贝叶斯分类算法。对已知类别，朴素贝叶斯分类器在估计类条件概率时假设特征之间条件独立。这样的假设，可以使得在有限的训练样本下，原本难以计算的联合概率 $P(X_1, X_2, \cdots, X_n | ...
分类：
其他好文 时间：
2019-11-07 19:14:57
阅读次数：
106
P(y|X)=P(y)*P(X|y)/P(X) 样本中的属性相互独立； 原问题的等价问题为： 数据处理为防止P(y)*P(X|y)的值下溢，对原问题取对数，即： 注意：若某属性值在训练集中没有与某个类同时出现过，则直接P(y)或P(X|y)可能为0，这样计算出P(y)*P(X|y)的值为0，没有可比 ...
分类：
其他好文 时间：
2019-09-28 00:43:45
阅读次数：
351
先验概率：基于已有知识对司机事件进行概率预估，但不考虑任何相关因素。 后验概率：基于已有知识对随机事件进行概率预估，并考虑相关因素P(c|X)。 7.1 贝叶斯决策论 贝叶斯决策论是概率框架下实施决策的基本方法。贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。 在样本x上的“条件风险 ...
分类：
其他好文 时间：
2019-09-25 12:40:23
阅读次数：
158
1、贝叶斯定理： 2、朴素贝叶斯分类器 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。我们可以这么做： 1、找到一个已知分类的待分类项集合，这个集合叫做训练样本集。 ...
分类：
其他好文 时间：
2019-08-22 21:52:44
阅读次数：
122
参考机器学习实战和博客https://blog.csdn.net/c406495762/article/details/77500679 ...
分类：
其他好文 时间：
2019-07-15 17:31:27
阅读次数：
100
智能运维用到的技术 1.数据聚合/关联技术概念聚类算法AOI分类算法K近邻/贝叶斯分类器/logistic回归(LR)/支持向量机(SVM)/随机森林(RF) 2.数据异常点检测技术独立森林算法 3.故障诊断和分析策略关联规则挖掘(Apriori算法/FP-growth算法)(有)决策树算法(迭代二 ...
分类：
其他好文 时间：
2019-06-19 16:43:16
阅读次数：
137
1.贝叶斯公式 条件概率 p(B|A)=p(AB)p(A) 则 p(AB)=p(A)p(B|A) 全概率公式 p(A)=p(B1)p(A|B1)+p(B2)p(A|B2)+...+p(Bn)p(A|Bn) 贝叶斯公式 p(Bi|A)=p(ABi)p(A)=p(A|Bi)p(Bi)Σj=0np(A|B ...
分类：
其他好文 时间：
2019-04-18 10:54:25
阅读次数：
209
了解朴素贝叶斯，学习分类、训练和测试，并使用scikit学习运行朴素贝叶斯分类器 ...
分类：
其他好文 时间：
2019-02-22 00:58:23
阅读次数：
201
