人工智能 - 为什么贝叶斯规则中忽略了分母？ - 吾爱随笔录

人工智能机器学习数学朴素贝叶斯贝叶斯定理

2021-10-29 03:53:53

朴素贝叶斯的生成算法通常由以下公式表示：

{argmax}_{y} p (y | x) = {argmax}_{y} \frac{p (x | y) p (y)}{p (x)} \approx {argmax}_{y} p (x | y) p (y)

$\text{argmax}_{y} p(y|x) = \text{argmax}_y \frac{p(x|y)p(y)}{p(x)} \approx \text{argmax}_y p(x|y)p(y)$

为什么我们有 $p(x)=1$ 这允许近似 $\text{argmax}_y \frac{p(x|y)p(y)}{p(x)} \approx \text{argmax}_y p(x|y)p(y)$ ?

1个回答

评论中@kiner_shah 的回答解决了这个问题：

他们已经消除了它，因为在比较最佳结果的概率时，它只会引入额外的除法，并且除数 p(x) 对于所有候选人都是相同的。例如，如果我告诉你比较以下数字中最大的一个：3/2、5/2、1/2，你会不假思索地选择 5/2，因为除数相同，而 5 是最大的。

其它你可能感兴趣的问题