貝葉斯網絡預測

用于貝葉斯分類器的數據集

? 類標記c：playtennis=yes，playtennis=no,

? 需計算P(yes)，P(no)

? 還需計算P(strong|yes),P(strong|no),P(high|yes),P(high|no)，P(cool|yes),P(cool|no),P(sunny|yes),P(sunny|no)

求c(x)

P(yes)* P(strong|yes)*P(high|yes)P(cool|yes) P(sunny|yes)=?

P(no)* P(strong|no)*P(high|no)P(cool|no) P(sunny|no)=?

選擇較大值對應的類標記賦給c(x)

? P(yes)=9/14=0.64 P(no)=5/14=0.36

? P(strong|yes)=3/9 P(strong|no)=3/5

? P(high|yes)=3/9, P(high|no)=4/5

? P(cool|yes)=3/9, P(cool|no)=1/5

? P(sunny|yes)=2/9, P(sunny|no)=3/5

? P(yes)* P(strong|yes)*P(high|yes)*P(cool|yes)* P(sunny|yes)=0.0159

? P(no)* P(strong|no)*P(high|no)*P(cool|no)* P(sunny|no)=0.0206

所以預測結果為 no

歸一化處理

• 即用待測樣本屬于yes的概率和待測樣本屬于no的概率分別處以他們的和
• 待測樣本屬于yes的概率 0.0053/（0.0053+0.0206）=0.2046
  待測樣本屬于yes的概率 0.0053/（0.0053+0.0206）=0.2046
• 待測樣本屬于no的概率0.0206/（0.0053+0.0206）=0.7954

總結

以上是生活随笔為你收集整理的贝叶斯网络预测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。