Linear Classification - 朴素贝叶斯（Naive Bayes） - 《ZHENG -PRML阅读笔记》

1.概述
2.MLE模型（Model）
3.贝叶斯估计模型（Model）
4.代码
4.Links

1.概述

朴素贝叶斯（Naive Bayes） - 图1
朴素贝叶斯（Naive Bayes） - 图2
朴素贝叶斯（Naive Bayes） - 图3

朴素贝叶斯（Naive Bayes） - 图4

2.MLE模型（Model）

朴素贝叶斯（Naive Bayes） - 图5

朴素贝叶斯（Naive Bayes） - 图6
朴素贝叶斯（Naive Bayes） - 图7

朴素贝叶斯（Naive Bayes） - 图8
朴素贝叶斯（Naive Bayes） - 图9

朴素贝叶斯（Naive Bayes） - 图10

朴素贝叶斯（Naive Bayes） - 图11
朴素贝叶斯（Naive Bayes） - 图12

朴素贝叶斯（Naive Bayes） - 图13
朴素贝叶斯（Naive Bayes） - 图14

朴素贝叶斯（Naive Bayes） - 图15
朴素贝叶斯（Naive Bayes） - 图16

3.贝叶斯估计模型（Model）

朴素贝叶斯（Naive Bayes） - 图17
朴素贝叶斯（Naive Bayes） - 图18

朴素贝叶斯（Naive Bayes） - 图19

朴素贝叶斯（Naive Bayes） - 图20
朴素贝叶斯（Naive Bayes） - 图21

朴素贝叶斯（Naive Bayes） - 图22
朴素贝叶斯（Naive Bayes） - 图23

朴素贝叶斯（Naive Bayes） - 图24

4.代码

import numpy as np
import pandas as pd
from sklearn.naive_bayes import GaussianNB
import matplotlib.pyplot as plt
X = np.array([[-1,-1],[-2,-2],[-3,-3],[-4,-4],[-5,-5],[1,1],[2,2],[3,3]])
Y = np.array([0,0,0,0,0,1,1,1])
plt.figure(figsize=(12,8))
plt.scatter(X[:,0], X[:,1])
plt.grid(True)
plt.show()

朴素贝叶斯（Naive Bayes）

1.概述

2.MLE模型（Model）

3.贝叶斯估计模型（Model）

4.代码

4.Links