#include#includeusing namespace std;
const int r=1;
const int n=15;//訓練樣本個數
const int k=2;//類標記數
const int m=3;//特徵可能取值數
const int s=2;//特徵維數
int array[3][n]=;
float a[k];
float b[k][m];//記錄第一維特徵的取值與其相應的類的概率
float c[k][m];//記錄第二維特徵的取值與其相應的類的概率
int main()
cout<<(a[0]*b[0][x1-1]*c[0][x2-1])<(a[1]*b[1][x1-1]*c[1][x2-1]))
cout<<"y= -1"
cout<<"y= 1 "
}
李航統計學習第四章 樸素貝葉斯法
1 先導知識 2 樸素貝葉斯演算法 樸素貝葉斯其實很簡單，之前看了好幾遍，但總是會忘記，感覺被深度學習荼毒太深。這樣想，樸素貝葉斯算的也是有監督的東西，那麼無非就是輸入x，輸出y。如果需要得到引數，那麼就是根據輸入x和對應的標籤y，求條件概率p y x p y x p y x 這樣就好辦了，我們可以...
統計學習方法四 樸素貝葉斯
結合之前的部落格 一 什麼是樸素貝葉斯？樸素貝葉斯是基於貝葉斯定理與特徵條件獨立假設的分類方法。對於給定的資料集，首先基於特徵條件獨立假設學習輸入 輸出的聯合概率分布 然後基於此模型，對給定的輸入x，利用貝葉斯定理求出後驗概率最大的輸出y 特徵 1 多分類 2 生成學習方法二 學習與分類 1 條件獨...
統計學習方法四 樸素貝葉斯分類
樸素貝葉斯分類 1，基本概念 2，演算法流程 關鍵點 理解先驗概率，條件概率，最大後驗概率，下面是以極大似然估計的 3，演算法改進 貝葉斯估計 上述用極大似然估計可能會出現所要估計的概率值為0的情況，改進方法 先驗概率貝葉斯估計 k表示類別數，為引數 0時為極大似然估計 1時為拉普拉斯平滑 條件概率...