Output: The error rate is: 0.1 背景:为什么要做平滑处理? 　　零概率问题，就是在计算实例的概率时，如果某个量x，在观察样本库（训练集）中没 ...

一、朴素的贝叶斯算法原理 　　贝叶斯分类算法以样本可能属于某类的概率来作为分类依据，朴素贝叶斯分类算法是贝叶斯分类算法中最简单的一种，朴素的意思是条件概率独立性。 条件概率的三个重要公式： 　　（1）概率乘法公式： 　　　　　　　　　　　　　　P(AB)= P(B) P(A|B) = P ...

朴素贝叶斯算法原理与代码实现 本文系作者原创，转载请注明出处:https://www.cnblogs.com ...

一，引言 　　前两章的KNN分类算法和决策树分类算法最终都是预测出实例的确定的分类结果，但是，有时候分类器会产生错误结果；本章要学的朴素贝叶斯分类算法则是给出一个最优的猜测结果，同时给出猜测的概率估计值。 1 准备知识：条件概率公式 相信学过概率论的同学对于概率论绝对不会陌生，如果一时觉得 ...

注：本系列所有博客将持续更新并发布在github上，您可以通过github下载本系列所有文章笔记文件 1 引言 说到朴素贝叶斯算法，很自然地就会想到贝叶斯概率公式，这是我们在高中的时候就学过的内容，没错，这也正是朴素贝叶斯算法的核心，今天我们也从贝叶斯概率公式开始，全面撸一撸朴素贝叶斯算法 ...

声明：本篇博文是学习《机器学习实战》一书的方式路程，系原创，若转载请标明来源。 1 贝叶斯定理的引入 概率论中的经典条件概率公式： 公式的理解为，P（X ，Y）= P（Y，X）<=> P（X | Y）P（Y）= P（Y | X）P （X），即 X 和 Y 同时发生的概率与 Y ...

1. 贝叶斯定理 条件概率公式： 这个公式非常简单，就是计算在B发生的情况下，A发生的概率。但是很多时候，我们很容易知道P(A|B)，需要计算的是P(B|A)，这时就要用到贝叶斯定理： 2. 朴素贝叶斯分类 朴素贝叶斯分类的推导过程就不详述了，其流程可以简单的用一张图来表示 ...

　　朴素贝叶斯是经典的机器学习算法之一，也是为数不多的基于概率论的分类算法。对于大多数的分类算法，在所有的机器学习分类算法中，朴素贝叶斯和其他绝大多数的分类算法都不同。比如决策树，KNN，逻辑回归，支持向量机等，他们都是判别方法，也就是直接学习出特征输出Y和特征X之间的关系，要么是决策函数 ...