贝叶斯学习贝叶斯公式贝叶斯学习器其实是从经典的贝叶斯概率公式的来的，对于经典的贝叶斯公式：
P(A|B)=P(B|A)P(A)P(B)P(A|B)={P(B|A)P(A)\over{P(B)}}
式中P(A)表示A的先验概率（即A发生的概率与B无关），P(A|B)表示A的后验概率（即在已知B发生的情况下，A发生的概率）朴素贝叶斯分类我们都知道贝叶斯是一个经典的求取概率的公式，那么贝叶斯又是怎么和...
分类：
其他好文 时间：
2015-07-15 13:26:01
阅读次数：
128
转自:http://www.letiantian.me/2014-10-12-three-models-of-naive-nayes/朴素贝叶斯是一个很不错的分类器，在使用朴素贝叶斯分类器划分邮件有关于朴素贝叶斯的简单介绍。若一个样本有n个特征，分别用[latex]x_{1},x_{2},...,x...
分类：
编程语言 时间：
2015-07-10 11:10:43
阅读次数：
158
转自:http://blog.163.com/jiayouweijiewj@126/blog/static/1712321772010102802635243/琢 磨了两天，对于朴素贝叶斯的原理弄得很清楚，可是要做文本分类，看了好多文章知道基于朴素贝叶斯公式，比较出后验概率的最大值来进行分类，后验概...
分类：
编程语言 时间：
2015-07-10 11:00:10
阅读次数：
225
转自http://blog.csdn.net/lch614730/article/details/17031145朴素贝叶斯分类算法（Naive Bayesian classification）PS：本文在讲解的时候会用通俗的例子来讲解本文我们将学习到：（1）什么是朴素贝叶斯？（2）先验概率和条件概...
分类：
编程语言 时间：
2015-07-10 10:49:40
阅读次数：
195
今天看了一下朴素贝叶斯算法。在看到如果样本的某个特征是连续属性的情况下，需要计算出在所有类别下该特征（该特征在不同类别下的）高斯分布，说白了就是求出来在某一类别下该特征的均值和标准差。那么，给某一个特征的值，在带入该特征在各类的概率密度函数（PDF），就可以得到书中所说的“后验概率”。
那么问题来了，对于离散属性的特征，这样是没有问题的。但是PDF某一点的值，大学学的知识说是没有意义的。求出一个...
分类：
其他好文 时间：
2015-07-06 12:29:03
阅读次数：
139
目录：算法一：快速排序算法算法二：堆排序算法算法三：归并排序算法四：二分查找算法算法五：BFPRT(线性查找算法)算法六：DFS（深度优先搜索）算法七：BFS(广度优先搜索)算法八：Dijkstra算法算法九：动态规划算法算法十：朴素贝叶斯分类算法算法一：快速排序算法快速排序是由东尼·霍尔所发展的一...
分类：
编程语言 时间：
2015-07-05 18:08:51
阅读次数：
259
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
前言
一看到贝叶斯网络，马上让人联想到的是5个字，朴素贝叶斯，在所难免，NaiveByes的知名度确实会被贝叶斯网络算法更高一点。其实不管是朴素贝叶斯算法，还是今天我打算讲述的贝叶斯网络算法也罢，归根结底来说都是贝叶斯系列分类算法，他的核心思想就是基于概率学的知识进行分类判断，至于分类得到底准不准，大家尽可以自己用数据集去测试测试。OK，下面进入正题--贝叶斯网络算法。
朴素贝叶斯
一般我在...
分类：
其他好文 时间：
2015-06-29 20:35:18
阅读次数：
154
Naive Bayes (朴素贝叶斯) 属于监督学习算法, 它通过计算测试样本在训练样本各个分类中的概率来确定测试样本所属分类, 取最大概率为其所属分类.优点在数据较少的情况下仍然有效,可以处理多类别问题缺点对输入数据的准备方式较为敏感适用数据类型标称型基础概念1. 条件概率P(A|B)表示事件B已...
分类：
其他好文 时间：
2015-06-27 19:44:26
阅读次数：
115
思路：
之前的线性回归都是根据特征值服从的分布猜想结果，生成算法是根据结果猜想特征值的分布。
贝叶斯公式：
GDA高斯分类器：模型：写成表达式的形式：
分离效果图：
推理：
原理：根据上述表达式的形式和最大似然原理，我们要求出这两个高斯分布，使给出的case最大限度的符合。
写成表达式的形式：原因：为什么要求p(y|x)p(y|x)的最大似然：因为我们是要求给出XX后预测YY，因此我们要求给出x下y...
分类：
编程语言 时间：
2015-06-27 09:56:38
阅读次数：
135
