bayes公式如上
bayes分类器的本质实际是对不好直接计算,转化为与的逆向条件概率,其中有一个重要的假设B中每个元素条件独立,这样,就可以讲的联合分布变成一个个单独的条件分布。对于给定的traindata,所有的,都是可以统计出来的,P(B)则是一个常量,不起作用。
当traindata训练好之后,有一个问题。就是先验概率是否满足客观规律呢???traindata中的是不是和实际生活中一致???traindata的分布是不是真实分布???不得而知!
对于先验概率,当我们不知道真实分布的样子时,最直观的假设就是所有均匀分布(此时所有也完全相同),分类结果变成了,和似然概率成正比!
当traindata中分布和真实分布的可信度足够高时,取traindata中的数值!
直接取所有均匀分布,很有可能和真实分布不符合,所以我们应该在test和valid数据集交叉验证中获取到最好的先验分布,先验概率其实就是个超参数