基于统计的算法有哪些类型？
有两种基于统计的算法，如下所示-
回归-回归问题处理位于输入值的输出值的评估。当用于分类时，输入值是来自数据库的值，输出值定义类别。回归可用于澄清分类问题，但它用于包括预测在内的不同应用。回归的基本形式是简单的线性回归，它只包括一个预测变量和一个预测。
回归可用于使用以下两种不同的方法来实现分类-
Division-数据分为位于类的区域。
预测-创建公式来预测输出类的值。
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。贝叶斯分类器在用于高数据库时具有高效率和高速度。
贝叶斯定理-让X是一个数据元组。在贝叶斯方法中，X被视为“证据”。假设H是一些假设，包括数据元组X属于特定的类C。概率P(H|X)决定了定义数据。这个概率P(H|X)是假设H的影响已经给出“证据”或注意到数据元组X的概率。
P(H|X)是H以X为条件的后验概率。例如，考虑数据元组的性质通常仅限于由属性年龄和收入定义的用户，而X是具有Rs的30岁用户。20,000收入。假设H是用户将购买计算机的假设。因此，假设用户的年龄和收入是已知的，P(H|X)反转用户X购买计算机的概率。
P(H)是H的先验概率。例如，这是任何给定用户购买计算机的概率，无论其年龄、收入或其他数据如何。后验概率P(H|X)位于比不包含X的先验概率P(H)更多的数据上。
同样，P(X|H)是X以H为条件的后验概率。它是用户X30岁并获得Rs的概率。20,000。
P(H)、P(X|H)和P(X)可以根据给定的信息进行测量。贝叶斯定理支持根据P(H)、P(X|H)和计算后验概率P(H|X)的方法P(X)。它是由
$$P(H|X)=\frac{P(X|H)P(H)}{P(X)}$$