← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9445 · 生成模型:Tencent Hunyuan Hy

最大概率分类思想

理解等级:初级

朴素贝叶斯分类的核心决策规则极简:面对一个待分类项,分别估算它在各种可能类别条件下出现的概率,哪个概率最大就判为哪一类。例如街上见到黑皮肤的外国人,在没有其他信息时会猜他来自非洲,因为黑皮肤人群中非洲人占比最高,尽管他也可能是美洲人或亚洲人。这一思路的关键在于“在没有其他可用信息时选择概率最高的类别”,本质是最大后验概率决策。它的用途是快速给出最可能的判断,边界是结果依赖先验分布与可用特征,信息不足时只能给出最可能而非确定的结论;迁移到产品工作中,就是在有限信息下先给出最可能的判断,再随着新信息修正。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第6章《垃圾邮件克星:朴素贝叶斯算法》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00011.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文“对于给出的待分类项,求解在某些条件下各个类别出现的概率,哪个最大,就认为此待分类项属于哪个类别”直接定义了该决策规则,黑皮肤猜非洲的例子说明它是在无额外信息时取最高概率类别。 - 原始内容:朴素贝叶斯分类是一种十分简单的分类算法,说它十分简单是因为它的解决思路非常简单,即对于给出的待分类项,求解在某些条件下各个类别出现的概率,哪个最大,就认为此待分类项属于哪个类别。