统计学习-朴素贝叶斯算法（Naive Bayes）

关联文章：

统计学习--最大似然和贝叶斯估计的联系

解决问题

监督学习模型，属于生成模型，非线性

基于条件独立假设条件

描述：

对于给定的训练数据集，基于特征条件独立假设学习联合概率分布，其次基于此模型对新的输入x，利用贝叶斯定理求出后验概率最大的输出y（类别）

模型：

策略：

算法

公式解

条件独立假设：

贝叶斯定理：

全概率公式：

朴素贝叶斯公式及分类器

有两类参数估计：

最大似然估计：先验概率和条件概率

 

贝叶斯估计：先验概率和条件概率

补充：

1）多项分布的极大似然估计和贝叶斯估计？

 

2）后验最大化的含义，为什么等于期望风险最小化？