朴素贝叶斯分类算法（Naive Bayes algorithm）

星际丶牛仔

于 2017-05-25 13:38:33 发布

阅读量6.2k

点赞数

分类专栏：信息检索文章标签：信息检索

本文链接：https://blog.csdn.net/ahaha413525642/article/details/72725069

版权

本文介绍了朴素贝叶斯分类算法中的多项式模型，这是一种基于概率的文本分类方法。通过计算MAP（最大后验概率）来确定文档最可能的类别。文中提供了多项式NB的训练和分类算法的伪代码，并用Java代码实现了一个示例，结果显示测试集属于类别'yes'，因为其MAP估计值较大。

摘要由CSDN通过智能技术生成

多项式朴素贝叶斯（multinomial Naive Bayes）或者多项式NB（multinomial NB）模型, 它是一种基于概率的学习方法。该方法中，文档d 属于类别c 的概率的计算方法如下：
这里写图片描述
在文本分类中，我们的目标是找出文档最可能属于的类别。对于NB 分类来说，最可能的类是具有MAP（maximum a posteriori，最大后验概率）估计值的结果cmap：

下图为多项式NB 的训练和分类算法伪代码

下面是一个例子简单解析这个算法
这里写图片描述
java代码实现

package test5;

import java.util.ArrayList;
import java.util.Map.Entry;
import java.util.TreeMap;
class Node{                         
    ArrayList<String> V;
    double[] prior;
    double[][] condprob;
    Node(){
        V=new ArrayList<String>();
    }
}
public class MultinomialNB {
      public stati