概率分类器-朴素贝叶斯(NaiveBeyesianClassification,NB)分类算法解析

36 篇文章 4 订阅

所谓概率分类器,即计算待分类对象属于每个类别的概率,选择最大概率输出。

朴素贝叶斯(NaiveBeyesianClassification,NB)公式:

其中代表先验概率;

接下来用一个实例来解释如何计算该分类概率。

假设有1000篇文章,其中军事300篇,科技200篇,医疗500篇;

=p(军事)=300/1000=0.3

=p(科技)=200/1000=0.2

=p(医疗)=500/1000=0.5

接下来求解,根据最大似然估计(maximum likehoodestimation,MLE)可得

假设待评估文章x包含以下词汇,

=“军舰”, =“人工智能”, =“医生”,

军事类文章中,包含"军舰"的文章有120篇,包含"医生"的文章有24篇,包含"人工智能"的文章有12篇;

科技类文章中,包含"军舰"的文章有16篇,包含"医生"的文章有28篇,包含"人工智能"的文章有80篇;

医疗类文章中,包含"军舰"的文章有10篇,包含"医生"的文章有250篇,包含"人工智能"的文章有5篇;

计算结果如下:

=120/300=0.4

=12/300=0.04

=24/300=0.08

=0.4*0.04*0.08=0.00128

 

=16/200=0.08

=80/200=0.4

=28/200=0.14

=0.08*0.4*0.14=0.00448

 

=10/500=0.02

=5/500=0.01

=250/500=0.5

=0.02*0.01*0.5=0.0001

 

根据NB可得

由此可得文章x在军事、科技、医疗三个种类中属于科技的概率最大。

 

 

 

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

SeasonRun

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值