朴素贝叶斯

目录

1.贝叶斯定理

2.贝叶斯分类

例1：求水果糖来自一号碗的概率

例2：广告邮件自动识别

例3：求从碗A渠道取曲奇饼的概率

例4：求校园里穿长裤的学生是女生的概率

2.朴素贝叶斯分类工作原理

3.朴素贝叶斯分类器的工作流程

4.sklearn机器学习包

例1：计算词语的TF-IDF值

例2 ：计算文档里都有哪些单词及这些单词在不同文档中的TF-IDF值

例3：判断肿瘤良恶

例4：西瓜分类

---

1.贝叶斯定理

（1）概率：事件A发生的可能性被称为A发生的概率，用P(A)来表示；

（2）针对事件A、B同时发生的概率，可以用P(AB)/P(A∩B)来表示：

（3）条件概率：

P(A|B)：表示事件B发生的前提下，事件A发生的概率，公式如下：

P(B|A)：表示事件A发生的前提下，事件B发生的概率，公式如下：

结合上述两个公式，即可得出：

即贝叶斯公式：

2.贝叶斯分类

在分类任务中，我们可以把贝叶斯定理换一个更清楚的形式：

P(类别|特征)=P(特征|类别)*P(类别)/P(特征)

例1：求水果糖来自一号碗的概率

有两个碗，第一个碗中装有30个水果糖和10个巧克力糖，第二个碗中装有 20 个水果糖和 20 个巧克力糖，现在随机选择一个碗，从中取出一颗糖，发现是水果糖。

（1）先验概率：

P(水果糖)=(30+20)/(30+10+20+20)=5/8

（2）从碗1拿到水果糖的似然概率：

（3）拿到水果糖来自碗1的后验概率是: