201116西瓜书机器学习系列---7、贝叶斯分类器
一、总结
一句话总结:
为什么贝叶斯可以解决分类问题:【贝叶斯决策论】
贝叶斯决策论目标:【讲述为什么贝叶斯可以用来分类】
贝叶斯决策论核心思想:【如果每个样本都能条件风险最小化,则整体条件风险也就最小化了】
1、贝叶斯 公式?
P(c):【先验概率】:样本空间中各个样本所占的比例
P(x):【证据因子】:与类别无关
P(x|c):样本相对于类的类标记概率,也称为【似然】:求的话就是【属性条件独立性假设】:$$P ( x | c ) = prod _ { i = 1 } ^ { d } P ( x _ { i } | c )$$
2、极大似然估计?
【存在即合理,冥冥之中自有天意】
通俗理解来说,【就是利用已知的样本结果信息,反推最具有可能导致这样结果出现的参数值】
3、贝叶斯 对应参考资料?
统计学习方法
4、贝叶斯怎么解决问题?
朴素贝叶斯、半贝叶斯、贝叶斯网络
二、内容在总结中
博客对应课程的视频位置: