2024年大数据最全机器学习算法（7）—— 朴素贝叶斯算法

P(喜欢) = 4/7
P(程序员, 匀称) = 1/7(联合概率)
P(程序员|喜欢) = 2/4 = 1/2(条件概率)
P(程序员, 超重|喜欢) = 1/4

> 
> 思考题：
> 
> 
> * 在小明是产品经理并且体重超重的情况下，如何计算小明被女神喜欢的概率？  
>  即`P(喜欢|产品, 超重) = ？`
> 
> 
> 


此时我们需要用到**朴素贝叶斯**进行求解。


那么思考题就可以套用贝叶斯公式这样来解决：

P(喜欢|产品, 超重) = P(产品, 超重|喜欢)P(喜欢)/P(产品, 超重)

计算上式可以发现：


* `P(产品, 超重|喜欢)` 和 `P(产品, 超重)` 的结果均为0，导致无法计算结果。这是因为我们的样本量太少了，不具有代表性。
* 本来现实生活中，肯定是存在职业是产品经理并且体重超重的人的，P(产品, 超重)不可能为0；
* 而且事件 `职业是产品经理` 和事件 `体重超重` 通常被认为是相互独立的事件，但是，根据我们有限的7个样本计算 `P(产品, 超重) = P(产品)P(超重)` 不成立。


而朴素贝叶斯可以帮助我们解决这个问题：


* 朴素贝叶斯，简单理解，就是假定了特征与特征之间相互独立的贝叶斯公式。
* 也就是说，朴素贝叶斯，之所以**朴素**，就在于假定了**特征与特征相互独立**。


所以，思考题如果按照朴素贝叶斯的思路来解决，就可以是

P(产品, 超重) = P(产品) * P(超重) = 2/7 * 3/7 = 6/49
p(产品, 超重|喜欢) = P(产品|喜欢) * P(超重|喜欢) = 1/2 * 1/4 = 1/8
P(喜欢|产品, 超重) = P(产品, 超重|喜欢)P(喜欢)/P(产品, 超重) = 1/8 * 4/7 / 6/49 = 7/12

## 3 拉普拉斯平滑系数


贝叶斯公式如果应用在**文章分类**的场景当中，我们可以这样看：  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/30e574f0ab9d4505b0e7618eac9fd147.png)


![在这里插入图片描述](https://img-blog.csdnimg.cn/84365cf8bc0e408583ab93c970f1b946.png)  
 **下面通过一个案例进行理解**


需求：通过前四个训练样本（文章），判断第五篇文章，是否属于China类


![在这里插入图片描述](https://img-blog.csdnimg.cn/715e331460fa4a18b7b4418aa65f5c62.png)

P(C|Chinese, Chinese, Chinese, Tokyo, Japan)
= P(Chinese, Chinese, Chinese, Tokyo, Japan|C) * P© / P(Chinese, Chinese, Chinese, Tokyo, Japan)
= P(Chinese|C)^3 * P(Tokyo|C) * P(Japan|C) * P© / [P(Chinese)^3 * P(Tokyo) * P(Japan)]

这个文章是需要计算是不是China类，是或者不是最后的分母值都相同:

首先计算是China类的概率:

P(Chinese|C) = 5/8
P(Tokyo|C) = 0/8
P(Japan|C) = 0/8

接着计算不是China类的概率:

P(Chinese|C) = 1/3
P(Tokyo|C) = 1/3
P(Japan|C) = 1/3

**问题**：从上面的例子我们可以得到 `P(Tokyo|C)` 和 `P(Japan|C)`都为0，这是不合理的，如果词频列表里面有很多次数都为0，很可能计算结果都为0。


**解决办法**：拉普拉斯平滑系数


![在这里插入图片描述](https://img-blog.csdnimg.cn/3b287175428d498bb3fcb131e0868569.png)

这个文章是需要计算是不是China类:

该例中，m=6（训练集中特征词的个数，重复不计）

首先计算是China类的概率:
P(Chinese|C) = 5/8 --> 6/14
P(Tokyo|C) = 0/8 --> 1/14
P(Japan|C) = 0/8 --> 1/14

接着计算不是China类的概率:
P(Chinese|C) = 1/3 --> 2/9
P(Tokyo|C) = 1/3 --> 2/9
P(Japan|C) = 1/3 --> 2/9

## 4 朴素贝叶斯api使用


`sklearn.naive_bayes.MultinomialNB(alpha = 1.0)`


* 朴素贝叶斯分类
* `alpha`：拉普拉斯平滑系数


[朴素贝叶斯应用案例 —— 商品评论情感分析](https://bbs.csdn.net/topics/618545628)


## 5 朴素贝叶斯算法总结


### 5.1 朴素贝叶斯优缺点


（1）优点


* 朴素贝叶斯模型发源于古典数学理论，有稳定的分类效率
* 对缺失数据不太敏感，算法也比较简单，常用于文本分类
* 分类准确度高，速度快


（2）缺点


* 由于使用了样本属性独立性的假设，所以如果特征属性有关联时其效果不好
* 需要计算先验概率，而先验概率很多时候取决于假设，假设的模型可以有很多种，因此在某些时候会由于假设的先验模型的原因导致预测效果不佳；



> 
> * 先验概率：直观理解，所谓“先”，就是在事情之前，即在事情发生之前事情发生的概率。是根据以往经验和分析得到的概率，“由因求果”。
> * 后验概率：事情已经发生了，事情发生可能有很多原因，判断事情发生时由哪个原因引起的概率，“由果求因”。
> * 先验概率就是通常说的概率，后验概率是一种条件概率，但条件概率不一定是验后概率。贝叶斯公式是由先验概率求后验概率的公式
> 
> 
> 


### 5.2 朴素贝叶斯疑难点


（1）朴素贝叶斯原理


朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。


* 对于给定的待分类项x，通过学习到的模型计算后验概率分布，
* 即：在此项出现的条件下各个目标类别出现的概率，将后验概率最大的类作为x所属的类别。


（2）朴素贝叶斯朴素在哪里？


在计算条件概率分布 P(X=x∣Y=c\_k) 时，NB引入了一个很强的条件独立假设，即，当Y确定时，X的各个特征分量取值之间相互独立。


（3）为什么引入条件独立性假设？


为了避免贝叶斯定理求解时面临的组合爆炸、样本稀疏问题。  
 假设条件概率分为：  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/a269361049594a1fa33c91bee0e374be.png)  
 （4）在估计条件概率P(X∣Y)时出现概率为0的情况怎么办？



![img](https://img-blog.csdnimg.cn/img_convert/602321168d305a29e04de7bcb205654b.png)
![img](https://img-blog.csdnimg.cn/img_convert/66484014c8fe0aab0be54e506a79b46c.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**