随笔分类 -  朴素贝叶斯法

摘要：朴素贝叶斯法将实例分为到后验概率最大的类中。这等价于期望风险最小化，设选择0-1损失函数：$$L(Y,f(x))=\left( 1,Y \neqf(X) \\ 0,Y=f(X) $$式中$f(X)$是分类决策函数。这时，期望风险函数为$R_{exp}\,(f)=E[L(Y,f(X))]$ 阅读全文

摘要：朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。，对于给定的训练数据集，首先基于特征条件独立假设学习输入与输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y，朴素贝叶斯方法实现简单，学习与预测的效率都很高，是一种常用的方法。下面主要说一下朴素贝叶斯的... 阅读全文