您好、欢迎来到现金彩票网!
当前位置:红彩会 > 分类器 >

贝叶斯分类器和其他分类器的区别

发布时间:2019-07-07 15:23 来源:未知 编辑:admin

  贝叶斯分类器的分类原理是通过某对象的先验概率,利用贝叶斯公式计算出其后验概率,即该对象属于某一类的概率,选择具有最大后验概率的类作为该对象所属的类。。也就是说,贝叶斯分类器是最小错误率意义上的优化。目前研究较多的贝叶斯分类器主要有四种,分别是:Naive Bayes、TAN、BAN和GBN。

  贝叶斯网络是一个带有概率注释的有向无环图,图中的每一个结点均表示一个随机变量,图中两结点间若存在着一条弧,则表示这两结点相对应的随机变量是概率相依的,反之则说明这两个随机变量是条件独立的。网络中任意一个结点X 均有一个相应的条件概率表(Conditional Probability Table,CPT),用以表示结点X 在其父结点取各可能值时的条件概率。若结点X 无父结点,则X 的CPT 为其先验概率分布。贝叶斯网络的结构及各结点的CPT 定义了网络中各变量的概率分布。

  1,它是一种典型的生成学习方法,其生成方法是由训练数据学习联合概率分布P(X,Y),具体来说就是利用训练数据学习P(Y)和P(XY)的估计:P(X,Y) = P(Y)P(XY),其概率估计方法是极大似然估计或者贝叶斯估计都行~~~

  img src=(因为网上没有找到这个公式,所以我自己打开了word~自从数学建模后就没编辑过这么复杂的公式,2333~)(因为网上没有找到这个公式,所以我自己打开了word~自从数学建模后就没编辑过这么复杂的公式,2333~)

  这会使模型包含的条件概率的数量减少,因而朴素贝叶斯法高效,易于实现,但也有缺点,就是其分类的性能不一定很高。

  img src=将输入x分到后验概率最大的类y.将输入x分到后验概率最大的类y.

  img src=后验概率最大等价于0-1损失函数时的期望风险最小化。。。

http://m3-ctech.com/fenleiqi/589.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有