《大数据架构和算法实现之路:电商系统的技术实战》——1.3 算法:朴素贝叶斯和K最近邻

  1. 云栖社区>
  2. 华章计算机>
  3. 博客>
  4. 正文

《大数据架构和算法实现之路:电商系统的技术实战》——1.3 算法:朴素贝叶斯和K最近邻

华章计算机 2017-05-02 18:00:00 浏览1593
展开阅读全文

本节书摘来自华章计算机《大数据架构和算法实现之路:电商系统的技术实战》一书中的第1章,第1.3节,作者 黄 申,更多章节内容可以访问云栖社区“华章计算机”公众号查看。

1.3 算法:朴素贝叶斯和K最近邻

1.3.1 朴素贝叶斯

朴素贝叶斯(Naive Bayes)分类是一种实用性很高的分类方法,在理解它之前,我们先来复习一下贝叶斯理论。贝叶斯决策理论是主观贝叶斯派归纳理论的重要组成部分。贝叶斯决策就是在信息不完整的情况下,对部分未知的状态用主观概率进行估计,然后用贝叶斯公式对发生概率进行修正,最后再利用期望值和修正概率做出最优决策。其基本思想具体如下。

1)已知类条件概率密度参数表达式和先验概率。
2)利用贝叶斯公式转换成后验概率。
3)根据后验概率大小进行决策分类。

最主要的贝叶斯公式如下:

screenshot

其中,在未知事件里,B出现时A出现的后验概率在主观上

网友评论

登录后评论
0/500
评论
华章计算机
+ 关注
所属云栖号: 华章计算机