Python樸素貝葉斯預測

Python樸素貝葉斯 1

大綱

? 樸素貝葉斯預測原理及其算法應用場景

? Python貝葉斯實現

? Python機器學習應用

Python樸素貝葉斯 2

機器學習和大數據

? 機器學習算法已經廣泛應用于大數據處理領域

? 在具體處理大數據任務時，隨著機器學習社區的發展和實踐驗證，機

器學習的算法應用獲得了更多社區力量的支持、改進和推廣

? 以最廣泛的分類算法為例，大致可以分為線性和非線性兩大方向。

Python樸素貝葉斯 3

機器學習

? 線性算法有著名的邏輯回歸、樸素貝葉斯、最大熵等

? 線性算法的優點是訓練和預測的效率比較高，但最終效果對特征的

依賴程度較高，需要數據在特征層面上是線性可分的。

? 因此，使用線性算法需要在特征工程上下不少功夫，盡量對特征進

行選擇、變換或者組合等使得特征具有區分性。

? 非線性算法有隨機森林、決策樹、神經網絡、核機器等。

? 非線性算法的優勢是可以建模復雜的分類面，從而更好的擬合數據。

Python樸素貝葉斯 4

Python scikit-learn機器學習算法庫

? 目前使用Python寫機器學習算法比較多

? 為了不從造輪子開始，在項目應用中，Python提供了Scikit-learn這個

機器學習算法庫，屬于本領域最好的算法庫之一

? Python 這個庫優點很多：簡單易用，接口抽象得非常好，不僅僅

是結構化的數值數據，文本文檔處理的支持也很好

Python樸素貝葉斯 5

樸素貝葉斯的應用場景

? 樸素貝葉斯是一種用于分類問題的機器學習算法。

? 可用于涉及高維訓練數據集的文本分類。

? 分類問題是監督學習問題的示例。它有助于從一組類別中識別新觀

察的類別(子群體)。該類別是基于包含其類別成員已經已知的觀

察(或實例)的數據的訓練集合來確定的。

? 幾個相關的例子有：垃圾郵件過濾、情感分析和新聞文章分類。

? 樸素貝葉斯因簡單、有效性而聞名。

? 它能快速構建模型和使用樸素貝葉斯算法進行預測。

? 樸素貝葉斯是用于解決文本分類問題的有效算法。

Python樸素貝葉斯 6

樸素貝葉斯的“樸素”

? 樸素貝葉斯算法是學習具有屬于特定組/類的某些特征的對象的概率

的算法。簡而言之，它是一個概率分類器。

? 樸素貝葉斯算法被稱為 “樸素”是因為它假設某個特征的出現與其它

特征的出現是獨立的

? 例如，如果你試圖根據其顏色，形狀和味道識別水果，那么橙色的、

球形的和味道濃烈的水果很可能是橘子。

? 即使這些特征依賴于彼此或取決于其他特征的存在，所有這些特性

可以單獨地促成該果實是橙色的可能性，這就是為什么它被稱為

“樸素的”。

Python樸素貝葉斯 7

樸素貝葉斯理論

? 樸素貝葉斯算法是一個典型的統計學習方法，主要理論基礎就是一個

貝葉斯公式，貝葉斯公式的基本定義如下：

? 這個公式它卻能總結歷史，預知未來。

? 公式的右邊是總結歷史，公式的左邊是預知未來

? 如果把Y作為類別，X表示特征，P(Yk|X)就是在已知特征X的情況下

求Yk類別的概率，而P(Yk|X)的計算又轉化到類別Yk的特征分布上來

Python樸素貝葉斯 8

樸素貝葉斯算法的貝葉斯定理

? 在機器學習的分類問題，有多種特征和類，比如C1 ，C2 ，……，Ck ，

樸素貝葉斯算法的主要目的是計算具有特征向量X1 ，X2 ，……，Xn ，

屬于特定類Ci的事

總結

以上是生活随笔為你收集整理的朴素贝叶斯python实现预测_Python朴素贝叶斯预测.PDF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。