4.2 朴素贝叶斯法的参数估计

利用极大似然估计计算概率
对于先验概率\(P(Y)\),似然函数为\(L=\underset{i=1}{\overset{m}{\prod}}P(Y=y_i)\),对数似然函数为\(l=\underset{i=1}{\overset{m}{\sum}}\log P(Y=y_i)\),注意到有约束条件\(\underset{k=1}{\overset{K}{\sum}}P(Y=c_k)=1\),于是利用拉格朗日乘数法可以得出下面的方程

\[\begin{cases} \frac{\underset{i=1}{\overset{m}{\sum}}I(y_i=c_k)}{P(Y=c_k)}+\lambda=0 & k=1,2,...,K \\ \underset{k=1}{\overset{K}{\sum}}P(Y=c_k)=1 \end{cases} \]

解这个方程组即可得出书上的公式
对于条件概率\(P(X|Y)\),似然函数为\(L=\underset{i=1}{\overset{m}{\prod}}P(X=x_i|Y=y_i)\),对数似然函数为\(l=\underset{i=1}{\overset{m}{\sum}}\log P(X=x_i|Y=y_i)\),注意到有约束条件\(\underset{s=1}{\overset{S}{\sum}}P(

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值