介绍
朴素贝叶斯法(naive Bayes)是基于贝叶斯定理和特征条件独立假设的分类方法。
特征条件独立是一个假设,“朴素”也由此而来。
对于给定的训练数据集,首先基于特征条件独立假设学习输入X和输出Y的联合概率分布P(X,Y);然后基于此模型,对给定的x利用贝叶斯定理求出后验概率最大的输出y。
书中说此方法实现简单,学习与预测的效率很高,是一种常用的方法。
朴素贝叶斯法的学习与分类
基本方法
(1)输入空间:(n维向量的集合);输入空间上的随机向量X
(2)输出空间:(类标记集合);输出空间上的随机向量Y
(3)X和Y的联合分布概率P(X,Y)
(4)训练数据集(由P(X,Y)独立同分布产生)
(5)先验概率分布:
(6)条件概率分布:
朴素贝叶斯法对条件概率分布作了条件独立性假设(由于这是一个较强的假设,朴素贝叶斯法也由此得名),即:
于是学习到联合概率分布P(X,Y)
朴素贝叶斯法实际上学习到生成数据的机制,所以属于生成模型。条件独立假设即用于分类的特征在类确定的条件下都是条件独立的,这一假设使朴素贝叶斯法变得简单,但有时会牺牲一定的分类准确率。
(7)朴素贝叶斯分类
朴素贝叶斯分类时,对给定的输入x,通过学习到的模型计算后验概率分布,将后验概率最大的类作为x的类输出。后验概率计算根据贝叶斯定理进行:
根据条件独立性
这是朴素贝叶斯法分类的基本公式。于是,朴素贝叶斯分类器可表示为:
等价于求解分子的最大值。
后验概率最大化的含义
朴素贝叶斯法将实例分到后验概率最大的类中,这等价于期望风险最小化,假设选择0-1损失函数,f(X)是分类决策函数,Y是真实分类标签:
这时,期望风险函数为
期望是对联合分布P(X,Y)取的。由此取条件期望
为了使期望风险最小化,只需对X=x逐个极小化,由此得到:
根据期望风险最小化准则就得到了后验概率最大化准则:
朴素贝叶斯法的参数估计
极大似然估计
先验概率:
设第j个特征可能取值的集合为,条件概率的极大似然估计是
式中,是第i个样本的第j个特征;是第j个特征可能取的第l个值;I为指示函数。
学习与分类算法
算法4.1(朴素贝叶斯算法(naive Bayes algorithm))
输入:训练数据,其中,是第i个样本的第j个特征,,是第j个特征可能取值的第l个值,;实例x;
输出:实例x的分类。
(1)计算先验概率及条件概率
(2)对于给定的实例x计算
(3)确定实例x的类
贝叶斯估计
用极大似然估计可能会出现所要估计的概率值为0的情况。这时会影响到后验概率的计算结果,使分类产生偏差。采用贝叶斯估计可以解决这一问题的方法。条件概率的贝叶斯估计是:
式中。等价于在随机变量各个取值的频数上赋予一个整数。当λ=0时就是极大似然估计。λ=1这时称为拉普拉斯平滑。显然,对于任何l=1,2,...,Sj,k=1,2,...,K,有
先验概率的贝叶斯估计是
局限性
(1)假设特征独立,这在实际应用中往往不成立,在属性个数比较多或者属性之间相关性较大时,分类效果不好;
(2)需要知道先验概率。