极客时间---概率论与统计学

随机数模拟抛硬币，统计正面与反面向上概率直方图

import random
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

def flip_coin(times):
  data_array = np.empty(times)
  weights_array = np.empty(times)
  weights_array.fill(1 / times)

  for i in range(0, times):                       #抛times次的硬币
    data_array[i] = random.randint(0, 1)        #假设0表示正面，1表示反面

  data_frame = pd.DataFrame(data_array)
  data_frame.plot(kind = 'hist', legend = False)  #获取正反面统计次数的直方图
  data_frame.plot(kind = 'hist', legend = False, weights = weights_array).set_ylabel("Probability")  #获取正反面统计概率的直方图
  plt.show()

flip_coin(1000000)

可以通过修改次数进行概率统计，随着次数的增多概率越来越趋于五五分。
随机变量与普通变量：普通变量在赋值之后就是一个确定的数值，在下次重新赋值之前会保持这个值，随机变量是随机的数值。
离散变量与连续变量：离散变量可以通过直接求和加法算出来的；连续的是使用积分算出来的。
随机变量的取值对应一个随机结果，正是结果的不确定性才引出了变量的不确定性。

• 伯努利分布：抛硬币就使伯努利分布，就是结果又两种情况，0或者1，通过参数λ来控制这个变量为1的概率。
• 分类分布：K的随机状态的单个随机变量。
• 正态分布（高斯分布）
• 期望值：和复杂度分析相关（通过概率的加权平均来计算平均时间复杂度，这就是时间复杂度的平均值）
  期望值的理解：比如公司的销售额期望，每一个客户浏览都会购买的话大概是六百万，有一半的用户购买的话大概是三百万，没有客户购买的话是0，那么我们不能直接说预期销售额是六百万或者三百万，我们要根据具体的概率来计算，如果每个客户都购买的概率是百分之三十，一般用户购买的概率是百分之六十，没有一个用户购买的概率是百分之十，那么期望值就是6000000*0.3+3000000*0.6+0*0.1=3600000
  多个随机变量决定的概率是联合概率
  朴素贝叶斯：朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法（百度百科官方）
  朴素贝叶斯包含：先验概率、后验概率、条件概率、贝叶斯法则。
  贝叶斯法则就是通过先验概率和后验概率
  先准备数据，也就是训练集；然后建立模型，计算先验概率和条件概率；最后对新数据进行预测。

朴素贝叶斯VS其他分类算法

• 与KNN最近邻相比：朴素贝叶斯在训练过程中耗时更长，但是在对新数据的预测中会更节省时间
• 与决策树相比：朴素贝叶斯可以提供决策树无法支持的模糊分类（一个对象可以属于多个分类）【最常用的就是朴素贝叶斯和决策树】朴素贝叶斯简称BNC，BNC对确实数据不敏感
• 与SVM支持向量机相比：NBC无法支持连续值的输入，大部分使用的都是离散值。

那么什么时候用到朴素贝叶斯嘞？

如果一个分类的应用场景中，待分类对象的属性值大部分都是离散的（或者很容易转化为离散的）、需要支持模糊分类，并且需要快速可靠的实时分类，那么这种场景通常就非常适合使用朴素贝叶斯方法。
具体到应用场景：

• 文本分类/垃圾文本分类
• 多分类实时预测
• 推荐系统：朴素贝叶斯+协同过滤，协同过滤是强相关性，但是泛化能力弱，朴素贝叶斯和协同过滤一起，能够增强覆盖度和推荐效果。