朴素贝叶斯法之分类算法
说明
本文只是对于朴素贝叶斯法的其中的一个分类算法的学习。参考来源《统计学习方法》。
一、 输入
训练数据
T={(x1,y1),(x2,y2),...(xN,yN)},其中
xi=(xi(1),xi(2),...xi(n))T
1:
xi(i)是第
i 个样本的第
j 个特征,其中
xi(j)∈{aj1,aj2,...ajsj},
2:
ajl是第
j个特征可能取的第
l个值,其中
j=1,2,,..Sj,yi∈{c1,c2,...ck}
二、输出实例 x 的分类
P(Y=Ck)=∑i=1NI(ji−ck)/N,k=1,2,...K
P(Xj=ajl∣Y=ck)=∑i=1NI(xij=ajl,yi=ck)/∑i=1NI(yi=ck)其中
j=1,2,...n;l=1,2,...S;k=1,2,...K.
-
对于给定的实例
x=(x(1),x(2),...x(n))T计算
P(Y=ck)∏j=1nP(Xj=xj∣Y=ck),k=1,2,...K
-
确定实例
x 的类
y=arg maxP(Y=ck)∏j=1nP(X(j)=x(j)∣Y=ck)
以上就是朴素贝叶斯法之分类算法的思路过程。关于朴素贝叶斯法具体详情可以参考《统计学习方法》。