一、貝葉斯分類器的訓練過程以及判斷過程都是一系列概率的乘積，這種方法主要關注的是做出決策的平均錯誤率，這對大多數的應用來說是合理的。但在一些特殊的應用中，不同型別的決策錯誤所要付出的代價和風險是不同的。癌症患者漏診為正常代價很大，可能延誤有效的**； 正常人誤診為癌症患者代價較小，通過後續檢查可以排除。解決方法就是事先給每一類分乙個係數來調整結果。
二、理解貝葉斯公式以及貝葉斯分類器
三、最大似然估計與最小二乘法是等價的：大致步驟是：最大後驗估計等於最大似然等於忽略分母等於分子取對數兩項無關省略後合併同類項得到2範數，本質上就是最小二乘。
四、拉普拉斯修正可避免其他屬性攜帶的資訊被訓練集中未出現的屬性值「抹去」
機器學習 樸素貝葉斯分類器
假設現在要構建乙個網路圖書館，我們可以給新進來的書貼上若干個標籤，沒有機器學習演算法的情況下，我們需要給這些書手動分類，是計算機類的呀，還是非計算機類的呀，是 類的呀，還是非 類的云云。那麼，我們可以通過讓程式自己學習如何通過一本書上的若干標籤來進行圖書類別的區分，這樣就可以節省很多人力，這也是機器...
機器學習之高斯貝葉斯分類器gaussianNB
coding utf 8 created on sun nov 25 10 55 17 2018 author muli from sklearn import bayes,datasets,cross validation def load data 載入用於分類問題的資料集。這裡使用 sciki...
貝葉斯分類器
程式設計實現貝葉斯分類器。編寫matlab函式，輸入為 a 均值向量 b c類問題的類分布的協方差矩陣 c c類的先驗概率 d 基於上述類的包含列向量的矩陣x。根據貝葉斯規則，輸出為乙個n維向量，它的第i列表示相應輸入向量x的第i列的類別。clear all clc mu 1 1 sigma 9 4...