1贝叶斯定理
P(H):先验概率
P(H|X):后验概率——在条件X下,H的后验概率,即给定观测数据样本X,假定H成立的概率
X:数据元组——通常用n个属性集的测量值描述
H:假设
P(H|X)=P(X|H)*P(H)/P(X)
∵P(H∩X)=P(H)*P(X|H)=P(X)*P(H|X)
即P(H)*P(X|H)=P(X)*P(H|X)
∴P(H|X)=P(X|H) *P(H) /P(X
2朴素贝叶斯分类
朴素贝叶斯分类的工作过程如下:
(1) 每个数据样本用一个n维特征向量X= {x1,x2,……,xn}表示,分别描述对n个属性A1,A2,……,An样本的n个度量。
3基本概念
4具体实例
5问题与解决方案
6贝叶斯信念网络
7基本概念
8具体实例
9训练贝叶斯信念网络