朴素贝叶斯分类

朴素贝叶斯是一种广泛应用的分类方法,常用于病人分类和邮件分类等场景。通过贝叶斯公式计算特征条件下的概率,以确定最可能的分类。在实践中,需要注意特征的独立性假设,并平衡先验概率与特例的关系,以避免过拟合或忽视重要信号。
摘要由CSDN通过智能技术生成

朴素贝叶斯是应用较广的分类方法,比如病人分类、邮件分类等。

一、下面举例说明:

这里写图片描述

某医院诊断了6位病人,这时候又来了一位打喷嚏的建筑工人,请问他感冒的概率多大?

根据贝叶斯公式可知:

P(A|B) = P(B|A) P(A) / P(B)

即:

   P(感冒|打喷嚏&建筑工人) =P(打喷嚏&建筑工人|感冒)*P(感冒)
                         / P(打喷嚏&建筑工人)

假定”打喷嚏”和”建筑工人”这两个特征是独立的,因此,上面的等式就变成了:

   P(感冒|打喷嚏&建筑工人) =P(打喷嚏|感冒)*P(建筑工人|感冒)*P(感冒)
                         / P(打喷嚏)* P(建筑工人)
                        =0.66 x 0.33 x 0.5 / 0.5 x 0.33
                        =0.66

所以这个打喷嚏的建筑工人有66%的概率得了感冒,同理,也可以算出他过敏或肺炎的概率。比较这几个病的概率大小,推断出他最有可能得

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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
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