朴素贝叶斯分类器(Naive Bayes Classifier)

[@nessdark6725]

让我毕业后还连续几年做恶梦的概率论和随机过程，我今天居然全程听完了。 感谢杰哥。

[@未来的人]

讲得思路很清晰，例子很好懂。谢谢博主提供这么好的教学

[@-cc-g.2269]

小哥哥写字好好看！赏心悦目！

[@guang790]

讲的非常通俗易懂！

[@evanliu6158]

讲得很清晰，感谢！

[@rongliao9255]

非常感谢🙏

[@jeffhuang5435]

非常感谢！整个视频基本上很通俗易懂。但在18:33处指出P(x1x2x2|y)采用的马可夫假设，老师能不能给出一些相关的信息？谢谢

[@呱呱-o5f]

之所以叫“朴素”贝叶斯，是因为“朴素”指的是条件独立假设，假设每个特征X1,X2...之间是互相条件独立的

[@domainrocker781]

讲的很清楚，非常感谢

[@whoami7228]

受益匪浅，真诚的感谢：）

[@키토박사]

内容很好，不过为什么你说一句就会顿一下？有个机器在一直反反复复打开关闭的感觉！

[@jamesren4949]

受益匪浅，谢谢！

[@dravennow8948]

请问p(x1=0,x2=0,x3=1)应该怎么求解？谢谢

[@facesquare1171]

请问老师，可以出个Java实现贝叶斯分类的教程吗？

[@harrycao1890]

浩杰， 我有一个问题，为什么有没有挂科的几率是1/2，而不是5/9， 我想问的是，为什么这个概率没有根据样本的统计来计算

[@youliu2949]

声音怎么有点断断续续的

[@taiyisu732]

如果算上分母 为什么 最终p会变成1/2

[@eyj4236]

感谢杰哥的分享，我好奇的是，若变量是连续的时候，喝酒以量衡量，逛街学习以时间衡量，这个应该怎么算呢。希望杰哥能看到

[@tpof314]

变量连续的话（假设X是连续的），那就只能求 Pr(Y | X > 10) 之类的概率了

[@eyj4236]

算 X > 10，还是将连续的化为不连续的

[@owen_alibaba5350]

感谢

[@林易元]

請問老師，那這樣分子的P(Y)其實也不會影響結果，為什麼沒有把它拿掉呢

[@FeiHongTalk]

题目里p(y=0) p(y=1)都是1/2 ，但是一般情况下不相等啊。

[@scarlettchen9943]

逛街不学习还及格的是学神不是学霸把lol

[@Joanna-u6h]

不好意思~ 請問有後續嗎 ?

[@tpof314]

这一段没有了

[@hello_world704]

24:13 你的概率好像算错了吧。4/128 + 18/128 不等于 1。(这种情况应该必须等于1才是对的吧。)

[@tpof314]

注意，这个算出来的结果不是真正的概率。还记不记得，在演算的过程中，我们去掉了贝叶斯公式的分母项。

[@tpof314]

分母去掉的话，加起来肯定不是1。但是由于分母其实对我们计算结果判断大小没有任何影响，所以在一开始推公式的时候，我们就直接去掉了。

[@hello_world704]

但是像现在这种Binominal的情况下。如果带入分母后，另外一个就直接 1-他，这样在计算上会不会快一些?

[@tpof314]

Zhao Shuning 嗯，也可以。只不过通常在实际应用的时候，分类经常不只一类。而且计算机做乘除法通常都不会特别快，所以在真正应用的时候，实际上很多情况下都是在公式上加log处理，然后把乘法变成加法。

[@collinyan3638]

代码不会写 鉴定完毕。

[@CristopherCal]

分裂音？？？感觉有时候gay gay的，有时候又特别man……

[@chengjieyao2065]

加速了

[@tpof314]

压缩视频的时候出问题了