朴素贝叶斯的参数估计和贝叶斯参数估计
时间: 2024-01-02 11:55:54 浏览: 64
朴素贝叶斯的参数估计是指在训练过程中,对于每个类别的特征的概率分布参数进行估计的过程。贝叶斯参数估计是指使用极大似然估计方法来估计参数。具体而言,对于高斯朴素贝叶斯,假设所有特征服从多元高斯分布,每个属性的类条件概率都服从不同的高斯分布。在训练过程中,对于每个特征,分别对每个类别下的样本进行均值和方差的估计,作为该类别下该特征的高斯分布的参数。这样就可以使用已知参数的高斯分布来求出连续型样本的概率。而对于伯努利朴素贝叶斯,其特征服从伯努利分布,参数估计的过程类似,只是涉及到计算每个特征在每个类别下的概率。总之,朴素贝叶斯的参数估计就是根据训练数据来估计每个类别下特征的概率分布参数,这样在分类时可以根据这些参数来计算后验概率。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [贝叶斯参数估计 matlab](https://download.csdn.net/download/Mrzhangpan/16032870)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [三种朴素贝叶斯的参数估计](https://blog.csdn.net/dxh1994/article/details/104507817)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)