1.樸素貝葉斯分類算法的基本內容：

• 概率基礎
• 樸素貝葉斯分類器

樸素貝葉斯的核心思想是這樣的:對于給出的待分類項,求解在此項出現的條件下各個類別出現的概率,哪個最大,就認為此待分類項屬于哪個類別。

2 概率基礎

2.1 隨機變量的先驗、條件、聯合概率

• 先驗概率:事件發生前的預判概率。P(X)
• 條件概率:一個事件發生后另一個事件發生的概率。P(X1lX2), P(X2lX1)
• 聯合概率:是指兩個事件同時發生的概率。X=(X1,X2), P(X)= P(X1,X2)
• 相關:P(X1,X2)= P(X2lX1)P(X1)= P(X1IX2)P(X2)
• 獨立:P(X1,X2)= P(X1)P(X2)

2.2 樸素貝葉斯的公式及其作用

• 貝葉斯公式打通從P(A|B)獲得P(B|A)的通路。
  

2.3 條件概率和聯合概率的計算

• 將一枚硬幣拋擲,觀察其出現正反面的情況.設事件A為“兩次擲出同一面",事件B為“至少有一次為正面".現在來求已知事件B已經發生的條件下事件A發生的概率。
  

3 樸素貝葉斯分類器

3.1 貝葉斯公式

• 一所學校里面有60%的男生，40%的女生。男生總是穿褲子，女生則一半穿褲子一半穿裙子。假設你走在校園中，前面走著一個穿褲子的學生，
• 問題1:你能夠推斷出他(她)是女生的概率是多大嗎?
• 分析：分析:現在假設學校里面人的總數為N。
• （1）男生中穿褲子的人數N*P(Boy)P(Pants| Boy)=N60%*100%;
• （2）女生中穿褲子的人數N*P(Girl)P(Pants| Girl) =N40%*50%;
• （3）穿褲子的總人數為:NP(Boy)P(Pants|Boy)+ NP(Girl) P(Pants|Girl)
  

3.2 推測穿褲子的學生是女生的概率

3.3 推測這個穿褲子的學生是男生還是女生

樸素貝葉斯的特征假設

• 計算后驗概率需用樸素貝葉斯假設：特征間相互獨立。
  

3.3 樸素貝葉斯的應用場景

• 垃圾文本過濾：垃圾郵件識別、社區評論信息檢測.
• 情感判別：微博的褒貶情緒 、電商評論信息的情感判斷.
• 文本分類：新聞文檔的自動識別。
  

總結

以上是生活随笔為你收集整理的五、朴素贝叶斯分类算法的全部內容，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。