朴素贝叶斯

经典三门问题

问题

一种说法(直觉派)

另一种说法(贝叶斯派)

注意P(B)=1, 已经知道路人抽中的就是绿豆

三门问题在网上争端比较大,分为直觉派和贝叶斯派,最后一个程序员出来写程序跑了一遍,发现就是贝叶斯派

朴素贝叶斯的直观理解

在X的条件下分别等于0~9的概率

注意之前我们讲的数据集是8*8的矩阵,然后我们处理矩阵的方式就是讲矩阵排列成一行

我们假设这个像素点的出现是相互独立的(在现实中并不是相互独立的)

那个不太懂的点其实是Dodo讲错了,那里还是累乘的符号,然后64种情况累乘起来就是P(X=x),这是固定的,假设为C

所以求argmax就只用比较分子了

分子的比较涉及参数估计的知识

P(Y=CK)这是按照训练集0~9的个数来计算的,注意维度的区别,有些是像素维度,有些是图片维度

如果训练集中没有0,那么P(Y=CK)=0,就不能当分母了

贝叶斯估计

弥补前面分母为0的缺陷

后验概率最大化(期望风险最小化)

下节预告

相关推荐
人生百态,人生如梦9 小时前
情感交互仿生人从技术到落地构想3——技术交流贴(2026.7)
人工智能·机器学习·人机交互·交互·具身智能
让学习成为一种生活方式10 小时前
机器学习酶功能预测--Nature
人工智能·机器学习
梦梦代码精10 小时前
开源AI应用平台BuildingAI解析:插件化架构、应用市场与热门案例
人工智能·机器学习·docker·开源
湘美书院--湘美谈教育11 小时前
湘美谈教育湘美书院大湘西文学系列:AI时代的武侠小说怎么写
大数据·人工智能·深度学习·机器学习·生活
workflower11 小时前
模型中心主义路径
大数据·人工智能·深度学习·机器学习·自动化·制造
MartinYeung512 小时前
[论文学习]MiCA:比LoRA和全参数微调学到更多知识
深度学习·学习·机器学习
是上好佳佳佳呀12 小时前
【机器学习|DAY01】机器学习概述
人工智能·机器学习
湘美书院--湘美谈教育14 小时前
湘美书院主理人:AI世代武侠小说的基本特征与蕴意
大数据·人工智能·深度学习·机器学习·生活
mftang15 小时前
TensorFlow Lite Micro:面向TinyML系统的嵌入式机器学习推理框架
人工智能·机器学习·tensorflow
是上好佳佳佳呀16 小时前
【机器学习|DAY02】数据划分与特征工程
人工智能·机器学习