当我们使用决策树分类器训练训练集时,会得到一棵树模型。该模型可以转换为规则并并入Java代码中。 那么,如果我使用朴素贝叶斯训练训练集,模型是什么形式的?如何将模型并入我的Java代码中? 如果没有从训练中得出模型,那么朴素贝叶斯和惰性学习者(例如kNN)之间有什么区别?
提前致谢。
当我们使用决策树分类器训练训练集时,会得到一棵树模型。该模型可以转换为规则并并入Java代码中。 那么,如果我使用朴素贝叶斯训练训练集,模型是什么形式的?如何将模型并入我的Java代码中? 如果没有从训练中得出模型,那么朴素贝叶斯和惰性学习者(例如kNN)之间有什么区别?
提前致谢。
P(f_1,...,f_n|C_j)
,其中f_i
是特征,C_j
是类别,使用贝叶斯规则和先验(P(C_j)
)和证据(P(f_i)
)的估计,可以将其转化为x=P(C_j|f_1,...,f_n)
,大致可以理解为“给定特征f_i
,我认为它们描述了类别C_j
的对象,并且我的确定性是x
”。实际上,NB假设特征是独立的,因此它实际上使用简单的概率形式x=P(f_i|C_j)
,所以“给定f_i
,我认为它是C_j的概率是x”。f_i
和每个类别C_j
的条件概率P(f_i|C_j)
P(C_j)
朴素贝叶斯将从生成您的训练样本的概率分布中构建/估计。
现在,给定所有输出类别的概率分布,您取一个测试样本,并根据哪个类别具有生成此样本的最高概率,将测试样本分配给该类别。
简而言之,您将测试样本通过所有概率分布(每个类别一个)并计算生成该特定分布的测试样本的概率。