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
code bean1 小时前
【Langchain】 ChatPromptTemplate:从“手动拼字符串“到“专业模板“的进化之路
人工智能·机器学习·langchain
fl1768312 小时前
智慧医疗胆囊病理识异常胆管狭窄检测数据集VOC+YOLO格式1210张3类别
人工智能·yolo·机器学习
Captain_Data2 小时前
Python机器学习实战:用Scikit-learn从0构建信用风险评分模型(含WOE编码+AUC/KS/PSI评估+评分卡转换)
python·机器学习·数据分析·scikit-learn·风控建模
AI科技星2 小时前
数理原本·卷六:观测者本源
人工智能·线性代数·机器学习·量子计算·agi
deepdata_cn3 小时前
少样本学习(Few-shot Learning)
机器学习·标注样本
好好学仿真3 小时前
【故障诊断】DSCNN-HA-TL:融合Swin窗口注意力和全局注意力机制的变工况轴承故障诊断(迁移学习/小样本)
机器学习·信号处理·迁移学习·swintransformer·轴承故障诊断·深度可分离卷积·gam注意力
沪漂阿龙4 小时前
AI大模型面试题:数据处理与特征工程详解——特征工程、缺失值、标准化、归一化、特征选择、数据不平衡、数据泄漏一次讲透
人工智能·机器学习
MediaTea4 小时前
人工智能通识课:机器学习之强化学习
人工智能·机器学习
曦月逸霜12 小时前
啥是RAG 它能干什么?
人工智能·python·机器学习
CSND74013 小时前
YOLO resume断点续训(不能用官方的权重,是自己训练一半生成的last.pt)
深度学习·yolo·机器学习