机器学习——2 朴素贝叶斯举例理解

1  什么是贝叶斯定理

P(A|B) = P(B|A) P(A) / P(B)

这个定理适用于生活实际中的很多问题

通过云天下雨的例子可以记住这个公式,P(雨|云)=P(云|雨)P(雨) / P(云)

2   如何用贝叶斯定理做分类问题

上述问题转化为,判断云天x1是属于有雨这类y1,还是无雨这类y2。

若P(雨|云)计算出的概率很大,说明云天属于有雨的这个类,如果很小,则属于无雨的这个类。

如果要判断的天气除了雨,还有雪,那需要计算出更多的概率P(雪|云)和P(雨|云)

哪个类的概率值大就属于哪个类。

3   朴素贝叶斯

生活实际中特征不会只有一个“云”,可能会有很多其他特征x2、x3共同影响最终类别的判断

样本中会有很多条已经确定是属于某个具体类y1的特征对的概率P(x2同时x3|y1)

“朴素”的意思是将问题简化,假定所有特征互相独立,则使P(x2同时x3|y1)转化为P(x2|y1)和P(x3|y1)简化计算

最后计算出所有类的概率值P(y1|x2同时x3)、P(y2|x2同时x3),取概率最大的为属于那个类。

4 贝叶斯分类器扩展理解,转载这篇博客:

https://blog.csdn.net/fuqiuai/article/details/79458943

猜你喜欢

转载自blog.csdn.net/sinat_41144773/article/details/87366740
今日推荐