参考文献：On Discriminative vs. Generative classifiers: A comparison of logistic regression and naive Bayes 生成式模型：model p(x,y)=p(x|y)*p(y) -> Bayes rule预测: ...
分类：
其他好文 时间：
2018-11-23 15:25:46
阅读次数：
224
一、使用朴素贝叶斯模型对iris数据集进行花分类 尝试使用3种不同类型的朴素贝叶斯：高斯分布型、伯努利型、多项式型 #①高斯分布型 from sklearn import datasets iris=datasets.load_iris() from sklearn.naive_bayes impo... ...
分类：
其他好文 时间：
2018-11-22 23:54:16
阅读次数：
288
from sklearn.datasets import load_iris iris=load_iris() from sklearn.naive_bayes import GaussianNB gnb=GaussianNB() #模型 pred=gnb.fit(iris.data,iris.ta ...
分类：
其他好文 时间：
2018-11-22 12:30:24
阅读次数：
161
1、模式识别的方法分为：生成式模型(Generative Model)和判别式模型(Discrimitive) 1)生成式模型 对于输入x和类别标签y：生成式模型主要是估计它们的联合概率分布P(x,y) 主要的方法有：Gaussians、 Naive Bayes、Mixtures of Multin ...
分类：
其他好文 时间：
2018-10-27 00:10:52
阅读次数：
145
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
概念： 贝叶斯定理：贝叶斯理论是以18世纪的一位神学家托马斯.贝叶斯(Thomas Bayes)命名。通常，事件A在事件B（发生）的条件下的概率，与事件B在事件A（发生）的条件下的概率是不一样的；然而，这两者是有确定的关系的，贝叶斯定理就是这种关系的陈述 朴素贝叶斯：朴素贝叶斯方法是基于贝叶斯定理和 ...
分类：
编程语言 时间：
2018-10-09 18:13:23
阅读次数：
180
chain rule: Bayes' rule: 其他内容就是一些基本的概率论的概念(联合分布，边际分布等)和图的一些概念(节点，边，路径，向上闭包等) ...
分类：
其他好文 时间：
2018-10-08 11:19:53
阅读次数：
116
贝叶斯简介： 贝叶斯(约1701-1761) Thomas Bayes，英国数学家 贝叶斯方法源于他生前为解决一个“逆概”问题写的一篇文章 生不逢时，死后它的作品才被世人认可 贝叶斯要解决的问题： 正向概率：假设袋子里面有N个白球，M个黑球，你伸手进去摸一把，摸出黑球的概率是多大 逆向概率：如果我们 ...
分类：
编程语言 时间：
2018-10-05 12:15:41
阅读次数：
119
1. 前言 说到朴素贝叶斯算法，首先牵扯到的一个概念是 判别式和生成式 。 判别式：就是直接学习出特征输出$Y$和特征$X$之间的关系，如决策函数$Y=f(X)$,或者从概率论的角度，求出条件分布$P(Y|X)$。代表算法有 决策树、KNN、逻辑回归、支持向量机、随机条件场CRF等 生成式：就是直接 ...
分类：
编程语言 时间：
2018-10-01 17:08:54
阅读次数：
199
这里用Venn diagram来不严谨地推导一下贝叶斯定理。 假设A和B为两个不相互独立的事件。 交集（intersection）： 上图红色部分即为事件A和事件B的交集。 并集（union）： 由Venn diagram可以看出，在事件B已经发生的情况下，事件A发生的概率为事件A和事件B的交集除以 ...
分类：
其他好文 时间：
2018-09-25 22:52:33
阅读次数：
164
