朴素貝葉斯分類器初探 -开发者知识库

朴素貝葉斯分類器初探 -开发者知识库,第1张

從期末復習開始頹廢了有一陣…………

開始接觸機器學習,今天讀了一些博客……整理一下思路……主要是自己的理解……所以可能沒那么准確……

首先分類器指的是根據一個事物的一些特征來判斷事物的類別。

對於一個事物x有類別{y1,y2,...,yn},那么對於類別集中最大的P(yi|x),可以認為x即為yi。所以需要算出每一個P(yi|x),但是這很難直接算出,通過貝葉斯定理P(B|A)=P(A|B)*P(B)/P(A)可以得知P(yi|x)=P(x|yi)*P(yi)/P(x),所有可能性的分母是一樣的,所以只需要將分子最大化,P(x|yi)可以通過統計樣本得出。

假設x具有a1,a2兩種屬性,a1和a2取值分別可以為0或1,類別集為{y1,y2},假設a1和a2獨立,則P(x|yi)=P(a1|yi)*P(a2|yi)。通過統計樣本可以得出以下數值P(y1),P(y2),P(a1=0|y1),P(a1=1|y1),P(a2=0|y1),P(a2=1|y1),P(a1=0|y2),P(a1=1|y2),P(a2=0|y2),P(a2=1|y2),假設x為a1=0,a2=1,所以x為類別y1的概率為:

P(y1|x)=P(x|y1)*P(y1)/P(x)=P(a1=0|y1)*P(a2=1|y1)*P(y1)/P(x)

x為類別y2的公式以此類推。

忽略分母,比較分子的大小之后就可以認為x是概率較大的一類。

最佳答案:

本文经用户投稿或网站收集转载,如有侵权请联系本站。

发表评论

0条回复