数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究基于统计的算法有哪些类型？
基于统计的算法主要有两种类型，如下所示：
回归 - 回归问题涉及根据输入值评估输出值。当用于分类时，输入值是来自数据库的值，输出值定义类别。回归可以用来阐明分类问题，但它也用于其他应用，包括预测。回归的基本形式是简单线性回归，它只包含一个预测变量和一个预测值。
回归可以通过两种不同的方法来实现分类，如下所示：
划分 - 数据根据类别划分为不同的区域。
预测 - 创建公式来预测输出类别的值。
贝叶斯分类 - 统计分类器用于分类。贝叶斯分类基于贝叶斯定理。贝叶斯分类器在应用于大型数据库时，具有较高的效率和速度。
贝叶斯定理 - 令 X 为一个数据元组。在贝叶斯方法中，X 被视为“证据”。令 H 为某个假设，包括数据元组 X 属于特定类别 C。概率 P (H|X) 用于定义数据。此概率 P (H|X) 是在给定“证据”或观察到的数据元组 X 的情况下，假设 H 成立的概率。
P (H|X) 是 H 在给定 X 条件下的后验概率。例如，假设数据元组的特征仅限于由属性年龄和收入定义的用户，并且 X 是一个 30 岁的用户，收入为 20,000 元。假设 H 是用户将购买电脑的假设。因此，P (H|X) 反映了在知道用户年龄和收入的情况下，用户 X 将购买电脑的概率。
P (H) 是 H 的先验概率。例如，这是任何给定用户购买电脑的概率，无论年龄、收入或其他任何数据。后验概率 P (H|X) 基于比先验概率 P (H) 更多的信息，P (H) 不依赖于 X。
同样，P (X|H) 是 X 在给定 H 条件下的后验概率。它是用户 X 年龄为 30 岁且收入为 20,000 元的概率。
P (H)、P (X|H) 和 P (X) 可以从给定的信息中测量。贝叶斯定理提供了一种从 P (H)、P (X|H) 和 P(X) 计算后验概率 P (H|X) 的方法。它由以下公式给出：
$$P(H|X)=\frac{P(X|H)P(H)}{P(X)}$$
8K+ 次浏览
