机器学习----朴素贝叶斯

一、什么是贝叶斯

              每次提到贝叶斯定理,我心中的崇敬之情都油然而生,倒不是因为这个定理多高深,而是因为它特别有用。这个定理解决了现实生活里经常遇到的问题:已知某条件概率,如何得到两个事件交换后的概率,也就是在已知P(A|B)的情况下如何求得P(B|A)。这里先解释什么是条件概率:

这里写图片描述
表示事件B已经发生的前提下,事件A发生的概率,叫做事件B发生下事件A的条件概率。其基本求解公式为:
这里写图片描述

贝叶斯定理之所以有用,是因为我们在生活中经常遇到这种情况:我们可以很容易直接得出P(A|B),P(B|A)则很难直接得出,但我们更关心P(B|A),贝叶斯定理就为我们打通从P(A|B)获得P(B|A)的道路。

下面不加证明地直接给出贝叶斯定理:
这里写图片描述

二、什么是朴素贝叶斯

耐心看完就会明白的
              朴素贝叶斯分类是一种十分简单的分类算法,叫它朴素贝叶斯分类是因为这种方法的思想真的很朴素,朴素贝叶斯的思想基础是这样的:对于给出的待分类项,求解在此项出现的条件下各个类别出现的概率,哪个最大,就认为此待分类项属于哪个类别。通俗来说,就好比这么个道理,你在街上看到一个黑人,我问你你猜这哥们哪里来的,你十有八九猜非洲。为什么呢?因为黑人中非洲人的比率最高,当然人家也可能是美洲人或亚洲人,但在没有其它可用信息下,我们会选择条件概率最大的类别,这就是朴素贝叶斯的思想基础。这里写图片描述
这里写图片描述

三、算法流程

这里写图片描述

四、代码部分

三种常用的贝叶斯算法模块

这里写图片描述

高斯分布——>正太分布问题
多项分布——>频率分布问题

代码展示

这里写图片描述

这里写图片描述
这里写图片描述

五,总结

优缺点

这里写图片描述

常用场景

这里写图片描述

猜你喜欢

转载自blog.csdn.net/sakura55/article/details/80874426