知识卡片
朴素贝叶斯分解类内似然
对类别 c 比较 log P©+Σ log P(xᵢ|c)。这是贝叶斯公式在给定类别后各特征条件独立时的分解。条件独立不要求全数据里各特征独立。高度重复的词或测量项可能被多次计入证据,影响概率可靠性。
可参照[[贝叶斯公式更新基率]]。条件概率公式用于比较各类别后验。
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
- 搞懂算法:朴素贝叶斯是怎么回事 · 查看原书依据
其中“朴素”是指该算法基于样本特征之间相互独立这个“朴素”假设。朴素贝叶斯原理简单、容易实现,多用于文本分类问题,如垃圾邮件过滤等。
参考来源
- 位置:《从零开始:机器学习的数学原理和算法实践》第12章《搞懂算法:朴素贝叶斯是怎么回事》(来源项目 book-source:extracted/从零开始:机器学习的数学原理和算法实践/_epub-src/OEBPS/Text/chapter012.xhtml)
- 结论依据:原文以特征独立假设和条件概率说明模型,并给出多个特征表示下的实现。
- 原始内容:其中“朴素”是指该算法基于样本特征之间相互独立这个“朴素”假设。朴素贝叶斯原理简单、容易实现,多用于文本分类问题,如垃圾邮件过滤等。