知识卡片
拉普拉斯修正是后验均值
为每个可能类别先放一个伪计数,观测后分子为真实次数加一,分母为总次数加上类别数。因此未见过的合法取值仍有概率。用在条件概率时总次数要限定在相同条件组内,分母中类别数也要改为正在预测的变量的取值数。
所用先验的取值条件见[[Dirichlet分布约束概率和]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第7章 贝叶斯分类器 · 查看原书依据
从贝叶斯估计(参见本章附注①)的角度来说,拉普拉斯修正就等价于先验概率为Dirichlet分布(参见本章附注③)的后验期望值估计.为了接下来的叙述方便,我们重新定义一下相关数学符号.
参考来源
- 位置:《机器学习公式详解》第7章 贝叶斯分类器(book-source:`extracted/机器学习公式详解/_epub-src/text/part0013_split_000.html`,式(7.19))
- 结论依据:式(7.19)到(7.25)把计数加一解释为对称 Dirichlet 先验下的平滑。
- 原始内容:从贝叶斯估计(参见本章附注①)的角度来说,拉普拉斯修正就等价于先验概率为Dirichlet分布(参见本章附注③)的后验期望值估计.为了接下来的叙述方便,我们重新定义一下相关数学符号.