|
注意区别：朴素贝叶斯和贝叶斯推理(主观贝叶斯、贝叶斯网络)不是同一个概念
朴素贝叶斯的思想
求解一个联合概率分布
P
(
X
,
Y
)
P(X,Y)
P(X,Y)需要首先得到先验概率分布
P
(
Y
=
c
i
)
P(Y=c_i)
P(Y=ci?)和条件概率分布
P
(
X
=
x
∣
Y
=
c
i
)
=
P
(
X
=
x
1
,
X
=
X
2
,
.
.
.
,
X
=
x
n
∣
Y
=
c
i
)
P(X=x|Y=c_i) = P(X=x_1,X=X_2,...,X=x_n|Y=c_i)
P(X=x∣Y=ci?)=P(X=x1?,X=X2?,...,X=xn?∣Y=ci?)，而这个条件概率分布参数量很大，为了减小计算量，朴素贝叶斯(Naive Bayes)做了条件概率分布独立的假设，在类确定的条件下都是条件独立的。故
P
(
X
=
x
1
,
X
=
X
2
,
.
.
.
,
X
=
x
n
∣
Y
=
c
i
)
=
∏
j
=
1
n
P
(
X
=
x
j
∣
Y
=
c
i
)
P(X=x_1,X=X_2,...,X=x_n|Y=c_i) = \prod_{j=1}^{n}P(X=x_j|Y=c_i)
P(X=x1?,X=X2?,...,X=xn?∣Y=ci?)=j=1∏n?P(X=xj?∣Y=ci?)
|