朴素贝叶斯分类 1.1、摘要 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本文作为分类算法的第一篇，将首先介绍分类问题，对分类问题进行一个正式的定义。然后，介绍贝叶斯分类算法的基础——贝叶斯定理。最后，通过实例讨论 ...

贝叶斯学习小结 朴素贝叶斯和贝叶斯信念网络学习，知识点以及个人一些理解的小结。 概率论只不过是把常识用数学公式表达了出来。 ——拉普拉斯 1.本文思路分析 （1）基本概率公式：条件概率，全概率，贝叶斯定理 （2）朴素贝叶斯算法：极大似然估计，判定准则，拉普拉斯平滑 （3）半朴素贝叶斯 ...

　　很久的时间没有更新了，一是因为每天加班到比较晚的时间，另外，公司不能上网，回家后就又懒得整理，最近在看机器学习实战的书籍，因此才又决定重新拾起原先的博客！ 　　今天讲的是第三章的贝叶斯分类方法，我们从一个简简单单的例子开始入手：首先看（1）图中的例子，假设有一个装了7块时候的罐子，其中3块时 ...

先上问题吧，我们统计了14天的气象数据(指标包括outlook，temperature，humidity，windy)，并已知这些天气是否打球(play)。如果给出新一天的气象指标数据:sunny,c ...

　　　　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。对于大多数的分类算法，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$Y=f(X)$,要么是条件分布$P(Y|X)$。但是朴素贝叶斯却是生成 ...

1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 （1）分类：给数据贴标签，通过分析已有的数据特征，对数据分成几类，已知分类结果。然后引入新数据对其归类。分类可以提高认知效率，较低认知成本。 （2）聚类：不知分类结果，通过数据一定的相似性，把那些相似的数据聚集在一起 ...

参考url: https://jakevdp.github.io/PythonDataScienceHandbook/05.05-naive-bayes.html 朴素贝叶斯模型是一组非常简单快速的分类算法，通常适用于维度非常高的数据集。 因为运行速度快，而且可调参数少，因此非常适合为分类 ...

1.数据库 Dataset1.txt：328个同学的身高、体重、性别数据（78个女生250个男生） Dataset2.txt：124个同学的数据（40女、84男） Dataset3.t ...