《机器学习》第七章——贝叶斯分类

1.贝叶斯决策论

贝叶斯决策论 是概率框架下实施的基本方法。对分类任务来说，在所有相关概率都已知的理想情形下，贝叶斯决策论 考虑如何基于这些概率和误判损失来选择最优的类别标记。

P（A | B）表示在 B 已经发生的情况下 A 发生的概率有多高；

P( B | A )与P( A | B ) 有什么关系呢

又 P( A ^ B) = P( B ^ A )则

so 贝叶斯公式

例如：

当已知 x1,x2,x3 的组合时，求 y=1 和 y=0 的概率；

分母可不考虑

马可夫假设 计算 P（x1 x2 x3 | y）可约等于

2.极大似然估计

3.朴素贝叶斯分类器

4.半朴素贝叶斯分类器

5.贝叶斯网

6.EM算法