机器学习之朴素贝叶斯(一)思想及典型例题手写实现

本文介绍了条件概率、全概率公式和贝叶斯公式,并详细讲解了朴素贝叶斯的定义及其简化原理。通过一个经典例题,解释了如何使用朴素贝叶斯进行分类,强调了在计算中各条件的独立性。最后,文章提供了计算所需先验概率的示例,并简述了代码实现过程。
摘要由CSDN通过智能技术生成

条件概率、全概率公式、贝叶斯公式

  • 条件概率公式:

    在事件B发生的条件下,A发生的概率

    在这里插入图片描述
    换一种写法:
    在这里插入图片描述

    理解了条件概率公式后,用一个引例介绍后面两个公式:村子里有三个小偷在这里插入图片描述,事件B={村子失窃},已知小偷们的偷窃成功率依次是在这里插入图片描述,除夕夜去偷的概率依次是在这里插入图片描述

  • 全概率公式:

    求:村庄除夕夜失窃的概率
      在这里插入图片描述

  • 贝叶斯公式:

    求:在村子失窃的条件下,偷窃者是某个小偷的概率
    在这里插入图片描述

朴素贝叶斯

李航《统计学习方法》中的定义
朴素贝叶斯(naive Bayes) 法是基于贝叶斯定理与特征条件独立假设的分类方法。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/输出的联合概率分布;然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出y。朴素贝叶斯法实现简单,学习与预测的效率都很高,是一种常用的方法。

经典例题数据如下

在这里插入图片描述

X1,X2,Y
1,S,-1
1,M,-1
1,M,1
1,S,1
1,S,
  • 0
    点赞
  • 13
    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