朴素贝叶斯分类器 2022-1-10

人工智能基础总目录

一、引入案例

计算法庭的误判概率：

	  P(A|evident） = （ P(evident | A) * P(A) ） / P(evident)

事件A 为 无罪的人，evident 为法院判决有罪的人
在事件中A 发生的概率 = (1-0.0002)* 0.001 /( 0.0002 * 0.999 + (1-0.0002)* 0.001 )

二、实现原理

以下数据为车辆被偷的情况， 前三列为 颜色，车的类型，产地， 最后为是否被偷，利用朴素贝叶斯分类器可以进行分类。分别计算各条件下被偷的概率。 假设各条件为互相独立，不考虑 关联关系。

为了贝叶斯分类器能处理连续数据， 使用高斯贝叶斯分类器将连续数据处理为离散型数据。

三、模型优缺点

优点： 1 容易实现， 计算快， 可计算大数据量。

缺点： 特征全部进行统计无选择， 忽略特征之间的相关性。