是我們的預測目標，我們先對其進行編碼，這里用到sklearn的LabelEncoder()，示例如下： ...

朴素貝葉斯分類 1.1、摘要 貝葉斯分類是一類分類算法的總稱，這類算法均以貝葉斯定理為基礎，故統稱為貝葉斯分類。本文作為分類算法的第一篇，將首先介紹分類問題，對分類問題進行一個正式的定義。然后，介紹貝葉斯分類算法的基礎——貝葉斯定理。最后，通過實例討論 ...

先上問題吧，我們統計了14天的氣象數據(指標包括outlook，temperature，humidity，windy)，並已知這些天氣是否打球(play)。如果給出新一天的氣象指標數據:sunny,c ...

在《貝葉斯之朴素理解》比較詳細地總結了一個朴素貝葉斯。這里再對非朴素貝葉斯做一個小結，以了結貝葉斯分類。 1、非朴素貝葉斯公式 1.1 高維高斯分布 在此之前，我們同樣先需准備一些數學知識，高維高斯概率分布，或者也叫做聯合高斯概率分布，它有如下公式 \[p(\mathbf ...

　　很久的時間沒有更新了，一是因為每天加班到比較晚的時間，另外，公司不能上網，回家后就又懶得整理，最近在看機器學習實戰的書籍，因此才又決定重新拾起原先的博客！ 　　今天講的是第三章的貝葉斯分類方法，我們從一個簡簡單單的例子開始入手：首先看（1）圖中的例子，假設有一個裝了7塊時候的罐子，其中3塊時 ...

概念簡介: 朴素貝葉斯基於貝葉斯定理，它假設輸入隨機變量的特征值是條件獨立的，故稱之為“朴素”。簡單介紹貝葉斯定理： 乍看起來似乎是要求一個概率，還要先得到額外三個概率，有用么？其實這個簡單的公式非常貼切人類推理的邏輯，即通過可以觀測的數據，推測不可觀測的數據。舉個例子，也許你在辦 ...

　　一、貝葉斯定理數學基礎 　　我們都知道條件概率的數學公式形式為 　　即B發生的條件下A發生的概率等於A和B同時發生的概率除以B發生的概率。 　　根據此公式變換，得到貝葉斯公式： 即貝葉斯定律是關於隨機事件A和B的條件概率（或邊緣概率）的一則定律。通常，事件A在事件B發生的條件溪的概率 ...

一個簡單的例子 朴素貝葉斯算法是一個典型的統計學習方法，主要理論基礎就是一個貝葉斯公式，貝葉斯公式的基本定義如下： 這個公式雖然看上去簡單，但它卻能總結歷史，預知未來。公式的右邊是總結歷史，公式的左邊是預知未來，如果把Y看出類別，X看出特征，P(Yk|X)就是在已知特征X ...