Level3 — PART 4 机器学习算法 — 朴素贝叶斯

已于 2025-01-02 12:22:16 修改
阅读量541 收藏 2
点赞数 11
CC 4.0 BY-SA版权
分类专栏： 数据分析&大模型 自然语言处理&大模型 机器学习&大模型 文章标签： 机器学习 人工智能 朴素贝叶斯 Naive Bayes
于 2024-08-24 15:06:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/L_15156024189/article/details/141487112

目录

贝叶斯定理

朴素贝叶斯模型（Naive Bayes Model）

估计

离散估计

极大似然估计

案例

朴素贝叶斯扩展

高斯贝叶斯分类器

原理

应用

源码分析

伯努利贝叶斯分类器

原理

源码分析

多项朴素贝叶斯分类器

半朴素贝叶斯分类器

模拟题 

 CDA LEVEL III 模拟题（一）

CDA LEVEL III 模拟题（二） 

贝叶斯定理

        贝叶斯定理由英国数学家贝叶斯（Thomas Bayes 1702-1761） 发展，用来描述两个条件概率之间的关系，比如 P(A|B)和 P(B|A)，A和B是两个随机事件。

        按照乘法法则，可以立刻导出：

P(AB) = P(A)*P(B|A)=P(B)*P(A|B)

        其中

了解本专栏 订阅专栏 解锁全文
ML：《Data-driven advice for applying machine learning to bioinformatics problems应用机器学习到生物信息学问题的》翻译与解读
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
07-13 1万+
​ ML：《Data-driven advice for applying machine learning to bioinformatics problems应用机器学习到生物信息学问题的数据驱动建议》翻译与解读 目录 《Data-driven advice for applying machine learning to bioinformatics problems》翻译与解读 Abstract摘要 1.Introduction 2.Methods 3.Results
机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
ZhangPY的专栏
02-28 7311
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最
机器学习(二)---＞朴素贝叶斯(Naive Bayes)
胜东灬逆风微笑的博客
04-14 4277
一、实验室介绍1.XGBoost的介绍2.XGBoost的应用二、实验室手册二、使用步骤1.引入库2.读入数据总结 一、实验室介绍 1.XGBoost的介绍 XGBoost是2016年由华盛顿大学陈天奇老师带领开发的一个可扩展机器学习系统。严格意义上讲XGBoost并不是一种模型，而是一个可供用户轻松解决分类、回归或排序问题的软件包。它内部实现了梯度提升树(GBDT)模型，并对模型中的算法进行了诸多优化，在取得高精度的同时又保持了极快的速度，在一段时间内成为了国内外数据挖掘、机器学习领域中的大规模杀伤性武.
【详解】机器学习算法详解
LeeZhao的博客
05-19 4230
1 机器学习算法原理介绍 判别模型(discriminative model) 已知输入变量x，通过求解条件概率分布P(y|x)或者直接计算y的值来预测y。 例如： 线性回归（Linear Regression） 逻辑回归（Logistic Regression） 支持向量机（SVM） 传统神经网络（Traditional Neural Networks） 线性判别分析（Linear Discriminative Analysis） 条件随机场（Conditional Random Field）
机器学习各个算法7--朴素贝叶斯
qq_28088259的博客
02-02 917
python安装 feedparser模块-----http://blog.csdn.net/u013709332/article/details/31820267 https://www.cnblogs.com/rhongp/p/6383909.html 准备数据：从文本中构建词向量 相关函数： from numpy import * def loadDataSet():
【Python 机器学习实战】朴素贝叶斯
04-03 4811
一、基于贝叶斯决策理论的分类方法 优点：在数据较少的情况下仍然有效，可以处理多类别问题。 缺点：对于输入数据的准备方式较为敏感。 适用数据类型：标称型数据。 贝叶斯决策理论的核心思想：即选择具有最高概率的决策。 二、条件概率 条件概率：P(A|B) = P(AB)/P(B) 贝叶斯准则...
机器学习算法（二）: 基于XGBoost的分类预测
GlassySky的博客
08-08 2051
1.XGBoost的介绍 XGBoost是2016年由华盛顿大学陈天奇老师带领开发的一个可扩展机器学习系统。严格意义上讲XGBoost并不是一种模型，而是一个可供用户轻松解决分类、回归或排序问题的软件包。它内部实现了梯度提升树(GBDT)模型，并对模型中的算法进行了诸多优化，在取得高精度的同时又保持了极快的速度，在一段时间内成为了国内外数据挖掘、机器学习领域中的大规模杀伤性武器。 更重要的是，XGBoost在系统优化和机器学习原理方面都进行了深入的考虑。毫不夸张的讲，XGBoost提供的可扩展性，可移.
贝叶斯分类器，什么是朴素贝叶斯，后续为使用贝叶斯实现海量数据的邮件筛选。带源码数据集和解决思路
weixin_43005832的博客
04-08 1718
贝叶斯分类器，什么是朴素贝叶斯，概率论中的贝叶斯在分类中的实现
决策树模型 朴素贝叶斯模型_有关决策树模型的概述
weixin_26720761的博客
09-09 1539
决策树模型 朴素贝叶斯模型Decision Trees are one of the highly interpretable models and can perform both classification and regression tasks. As the name suggests Decision Trees are tree-like structure model which...
6大最常用的Java机器学习库一览
热门推荐
智者之家
11-19 3万+
导读：机器学习是目前盛行于世的技术之一，这几年一时风头无两。虽然在机器学习中，Python是人工智能从业者使用最多的编程语言，但是，Java 在项目开发中仍然发挥着不可替代的作用，而且许多流行的机器学习框架本身就是 Java编写的。Python 的资料到处都是，而 Java 相关的资料就相对少了很多。今天我们翻译了 Fatema Patrawala> 撰写的《六大最常用的 Java 机器学...
java机器学习库_6大最常用的Java机器学习库一览
weixin_31499919的博客
02-12 912
在MLOSS.org网站上，列出了 70 多个基于 Java 的开源机器学习项目，可能还有更多未列出的项目，存于大学里的服务器、GitHub 或 Bitbucket 中。我们将在本文中回顾 Java 中的主流机器学习库和平台，它们能够解决的问题类型，支持的算法以及可以使用的数据类型。WekaWeka 是 Waikato Environment for Knowledge Analysis(Wa...
常用31个Java机器学习、深度学习、自然语言处理学习库&工具
liinux-Talk is cheap,show me the code.
01-20 2377
常用的Java机器学习库 在MLOSS.org网站上，列出了 70 多个基于 Java 的开源机器学习项目，可能还有更多未列出的项目，存于大学里的服务器、GitHub 或 Bitbucket 中。我们将在本文中回顾 Java 中的主流机器学习库和平台，它们能够解决的问题类型，支持的算法以及可以使用的数据类型。 本文节选自 Machine learning in Java，由 Bostj...
Human-level concept learning through probabilistic program induction
宴夜小丑的博客
01-04 2396
论文：《Human-level concept learning through probabilistic program induction》  背景：   近年来，深度学习表现出接近人类水平的认知效果。但我们发现，深度学习仍然需要大量的训练数据才可以让机器进行“学习”，在这一点上，人类可以仅仅通过一个或几个简单的例子就可以学习新的概念，识别并派生新的概念，并且学习更丰富的特征，例如举一反...
线性回归之总离差平方和=回归平方和+残差平方和（TSS = ESS + RSS）及证明
L
03-10 2万+
缩写解释： 1、TSS 英文全称：Total Sum of Squares， 中文全称：总离差平方和，或者总平方和 2、ESS Explained Sum of Squares 3、RSS Residual Sum of Squares ...
长短期记忆网络（LSTM）理解
L
03-31 5791
长短期记忆网络（Long Short Term Memory Network）是建立在RNN基础之上的，理解RNN有助于理解LSTM网络，建议读者阅读。
Ollama本地私有化部署通义千问大模型Qwen2.5
最新发布
L
09-26 5443
Qwen是阿里巴巴集团Qwen团队的大型语言模型和大型多模态模型系列。现在大型语言模型已经升级到Qwen2.5。语言模型和多模态模型都是在大规模多语言和多模态数据上进行预训练的，并在符合人类偏好的高质量数据上进行后训练。Qwen具有自然语言理解、文本生成、视觉理解、音频理解、工具使用、角色扮演、人工智能代理等功能。在Qwen2发布的过去三个月里，许多开发人员在Qwen2语言模型上构建了新的模型，向我们提供了宝贵的反馈。在此期间，我们专注于创建更智能、知识更丰富的语言模型。
隐马尔可夫模型（HMM）——从理论证明、算法实现到实际应用
L
03-16 5416
实心圆之间的箭头，表示隐状态转移，比如图中的红色箭头，表示t-1时刻状态Y1，在t时刻转移为状态Y2。（1）对于时刻t=1，也就是第一天，可能的状态为{下雨，晴天}，小宝第一天选择的是郊游，另外，从Start开始只有一条路径到达晴天，所以。的位置上，因为隐状态的初始分布式是已知的，而且隐状态到观测状态的概率也是已知的，所以此时你可沿着箭头方向向下走一步生成观测值。现在固定t时刻的状态，假设为。(下雨)=P(x1=郊游，y1=下雨)=P(x1=郊游|y1=下雨)P(y1=下雨)=0.1*0.6=0.06。
Spark MLlib中协同过滤之交替最小二乘法ALS原理与实践
L
08-16 5085
请先阅读leboop发布的博文《Apache Mahout之协同过滤原理与实践》。 基于用户和物品的协同过滤推荐都是建立在一个用户-物品评分矩阵（user-item-score）展开的，其本质是利用现有数据填充矩阵的缺失项（missing entries），也就是预测评分。基于用户的协同过滤通过该评分矩阵来度量用户间的相似度（余弦相似度，距离相似度，皮尔森相似度...
机器学习之支持向量机SVM（完整版）
L
12-20 3968
目录 1 支持向量机简介 2 线性可分支持向量机 2.1 什么是线性可分 2.2 什么是几何间隔 2.3 最大几何间隔分离超平面 2.4 支持向量和最大几何间隔 3 线性支持向量机 3.1 支持向量 4 KKT条件和对偶问题 4.1 线性可分支持向量机 4.2 线性支持向量机 5 非线性支持向量机 5.1 非线性分类问题...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ErbaoLiu

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值