確率モデルからの分類器構築
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2021/03/05 20:26 UTC 版)
「単純ベイズ分類器」の記事における「確率モデルからの分類器構築」の解説
ここまでの説明で、独立特徴モデル、すなわち単純ベイズ確率モデルが導出された。単純ベイズ分類器はそのモデルに決定規則を合わせたものである。よく使われる決定規則は、最も事後確率が高い仮説を採用するというもので、最大事後確率(MAP)決定規則と呼ばれている。そのような分類器を関数 c l a s s i f y {\displaystyle \mathrm {classify} } とすると、次のように表される。 c l a s s i f y ( f 1 , … , f n ) = a r g m a x c p ( C = c ) ∏ i = 1 n p ( F i = f i | C = c ) {\displaystyle \mathrm {classify} (f_{1},\dots ,f_{n})=\mathop {\mathrm {argmax} } _{c}\ p(C=c)\prod _{i=1}^{n}p(F_{i}=f_{i}\vert C=c)}
※この「確率モデルからの分類器構築」の解説は、「単純ベイズ分類器」の解説の一部です。
「確率モデルからの分類器構築」を含む「単純ベイズ分類器」の記事については、「単純ベイズ分類器」の概要を参照ください。
- 確率モデルからの分類器構築のページへのリンク