标签：概率 机器 贝叶斯 高斯分布 类别 先验概率 数据 朴素

先验概率：P（A）根据以往的经验和分析得到的概率，例如全概率公式P(A)=\sum_i P(A|B_i)P(B_i)

后验概率：P(A|B)在给定条件或者假设下的条件概率

贝叶斯公式P(A\cap B)=P(A)*P(B|A) =P(B)*P(A|B)

假设数据符合高斯分布，每个输入变量之间相互独立

通过训练集算出先验概率和后验概率，使用贝叶斯公式即可得到P(A\cap B)

也就是对新数据(x,y )。可知P(X=x,Y=y)，因此可以得到一个样本数据属于类别的朴素贝叶斯计算。

通过对比分到类别 1，2，3，4，。。。时的朴素贝叶斯计算选择数据对应的分类。

举例：

数据一共5列，分别对应X1,X2,X3,X4,Y,其中X的四列相互独立，每一列都符合高斯分布，Y表示类别。

求P(X1=x,X2=x2,X3=x3,X4=x4|Y=yi),i=1,2,3...，然后这个概率最大时对应的yi就是该新数据的类别

标签：概率,机器,贝叶斯,高斯分布,类别,先验概率,数据,朴素
来源： https://blog.csdn.net/qq_52698974/article/details/120355093

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。