机器学习之朴素贝叶斯算法

本文深入探讨了朴素贝叶斯算法,包括其原理、三种贝叶斯模型(高斯、多项式、伯努利)以及在文本分类中的应用。通过实例展示了如何使用这些模型进行训练和评分,并强调了独立性假设在减少参数估计数量中的关键作用。
摘要由CSDN通过智能技术生成

朴素贝叶斯

事例1

例子1,现分别有 A、B 两个容器,
在容器 A 里分别有 7 个红球和 3 个白球,

在容器 B 里有 1 个红球和 9 个白球,
现已知从这两个容器里任意抽出了一个球,且是红球,
问这个红球是来自容器 A 的概率是多少?

# X事件为选中了红球
p(X) = 8/20

# Y事件代表选中A容器
p(Y) = 1/2

# A容器中红球的概率
p(X|Y) = 7/10

# 选中一个红球,该球来自A容器的概率为
p(Y|X) = p(X|Y) * p(Y)/p(X)

p(Y|X) = 7/10 * 1/2 * 20/8 = 7/8

事例2

例子2:一座别墅在过去的 20 年里一共发生过 2 次被盗事件。
别墅的主人有一条狗,
狗平均每周晚上叫 3 次,
叫在盗贼入侵时狗的概率被估计为 0.9,
问题是:在狗叫的时候发生入侵的概率是多少?
我们假设 
A 事件为狗在晚上叫,
B 为盗贼入侵

p(A) = 3/7

p(B) = 2/(20*365)

p(A|B) = 0.9

# 求解的问题:
p(B|A) = p(A|B) * p(B)/p(A)

p = 0.9 * (2/(20*365))/(3/7)  = 
评论 1
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

东木月

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