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 ...

貝葉斯學習小結 朴素貝葉斯和貝葉斯信念網絡學習，知識點以及個人一些理解的小結。 概率論只不過是把常識用數學公式表達了出來。 ——拉普拉斯 1.本文思路分析 （1）基本概率公式：條件概率，全概率，貝葉斯定理 （2）朴素貝葉斯算法：極大似然估計，判定准則，拉普拉斯平滑 （3）半朴素貝葉斯 ...

　　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 ...

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 ...

　　　　在所有的機器學習分類算法中，朴素貝葉斯和其他絕大多數的分類算法都不同。對於大多數的分類算法，比如決策樹,KNN,邏輯回歸，支持向量機等，他們都是判別方法，也就是直接學習出特征輸出Y和特征X之間的關系，要么是決策函數$Y=f(X)$,要么是條件分布$P(Y|X)$。但是朴素貝葉斯卻是生成 ...

1.理解分類與監督學習、聚類與無監督學習。 簡述分類與聚類的聯系與區別。 （1）分類：給數據貼標簽，通過分析已有的數據特征，對數據分成幾類，已知分類結果。然后引入新數據對其歸類。分類可以提高認知效率，較低認知成本。 （2）聚類：不知分類結果，通過數據一定的相似性，把那些相似的數據聚集在一起 ...

參考url: https://jakevdp.github.io/PythonDataScienceHandbook/05.05-naive-bayes.html 朴素貝葉斯模型是一組非常簡單快速的分類算法，通常適用於維度非常高的數據集。 因為運行速度快，而且可調參數少，因此非常適合為分類 ...

1.數據庫 Dataset1.txt：328個同學的身高、體重、性別數據（78個女生250個男生） Dataset2.txt：124個同學的數據（40女、84男） Dataset3.t ...