文章目录??教程笔记概述????本文阅读先决条件????内容总结????基本公式????离散属性要点????连续属性要点????Tip??教程笔记概述
来源于课程MA429,讲述统计机器学习。是算法工程师的基础。
本文阅读先决条件
阅读并尽可能理解intro naive bayes.pdf这个课件。
内容总结基本公式
贝叶斯定理：（A是类别，B是属性集合） 朴素贝叶斯公式：
记住朴素贝叶斯公式使用即可，推导可以参考南瓜书和西瓜书。 朴素贝叶斯呢就是说：每个属性都独立地对结果产生影响。
离散属性要点要预测的数据记录中有缺失的属性：计算时省略该属性的概率，不进行乘积。在训练集计算似然也就是对应类别下某属性的出现概率时出现了0：使用ADD1,给训练集所有属性都加1 。进行各个似然的比较时，先归一化。再最大似然连续属性要点有连续属性。则在训练数据时将该属性当作正态分布，计算均值及方差。则在测试时，利用概率密度函数代入该属性值，得到密度。同样要归一化Tip
朴素贝叶斯不难，关键是找一些例子，仔细计算，走一遍流程。这个PPT就不错。
【文章转自日本多IP站群服务器 japzq.html提供，感恩】把艰辛的劳作看作是生命的必然，
