本文最后更新于 419 天前,其中的信息可能已经有所发展或是发生改变。
首先列出白板推导系列
1.贝叶斯公式
2.朴素贝叶斯的模型与基本方法
3.朴素贝叶斯的参数估计
4.朴素贝叶斯算法过程
5.小结
贝叶斯算法是一个和传统其他算法一样的过程,其他都是判别方法:由训练集找到X和Y的关系,从而输出Y,就是说,测试集中的x代入的可以说是同一个表达式,而贝叶斯确实生成方法,每次对于测试集的判断,都要去训练集中找到对应数据,最后再找到概率最大的那个输出值,以上的算法过程光看起来比较抽象,这里推荐两个实际例子:
1. 西瓜书上的过程,该过程将离散值和连续值都包含了进来比较全面。
2. 这篇博客举得例子也比较通俗易懂https://blog.csdn.net/lyl771857509/article/details/78993493