机器学习笔记——朴素贝叶斯

朴素贝叶斯

---

主要思想

主要用于分类，是基于贝叶斯估计和特征向量独立性假设的生成模型

朴素贝叶斯模型根据训练集，首先学习先验概率分布$P(Y=c_k),k=1,2,...,K$,然后学习到条件概率分布$P(X=x|Y=c_k)=P(X^{(1)}=x^{(1)},...,X^{(n)}=x^{(n)}|Y=c_k),k=1,2,...,K$,于是可以学习到联合概率分布$P(X,Y)$

由于朴素贝叶斯对条件概率做了条件独立性的假设，即：

$$P(X=x|Y=c_k)=P(X^{(1)}=x^{(1)},...,X^{(n)}=x^{(n)}|Y=c_k)=\prod _{j=1}^{n}P(X^{(j)}=x^{(j)}|Y=c_k)\text{\hspace{1em}(1)}$$

朴素贝叶斯分类时，将输入变量后的最大后验概率的类作为输出。这里看不懂没关系，后面会有解释，公式为：

$$P(Y=c_k|X=x)=\frac{P(X=x|Y=c_k)P(Y=c_k)}{\sum _{k}P(X=x|Y=c_k)P(Y=c_k)}\text{\hspace{1em}(2)}$$

将公式（1）带入公式（2）中，得到：

$$P(Y=c_k|X=x)=\frac{P(X=x|Y=c_k)P(Y=c_k)}{\sum _{k}P(Y=c_k)\prod _{j}P(X^{(j)}=x^{(j)}|Y=c_k)}k=1,2,...,K\text{\hspace{1em}(3)}$$

公式（3）就是朴素贝叶斯的基本公式，那么朴素贝叶斯的分类器可表示为:

$$y=f(x)=\underset{c_k}{\mathrm{argmax}}\frac{P(X=x|Y=c_k)P(Y=c_k)}{\sum _{k}P(Y=c_k)\prod _{j}P(X^{(j)}=x^{(j)}|Y=c_k)}k=1,2,...,K\text{\hspace{1em}(3)}$$

这里根据最大后验概率（后面讲）进行变换就为：

$$y=\underset{c_k}{\mathrm{argmax}}P(Y=c_k)\prod _{(j=1)}^{n}P(X^{(j)}=x(j)|Y=c_k)\text{\hspace{1em}(4)}$$

在这里，对公式（2）做一下解释，公式（2）主要来源于贝叶斯公式，那么我们就从贝叶斯估计开始介绍，在统计学中，一直存有两个学派：频率派和贝叶斯派。这里的贝叶斯定理就属于贝叶斯派里的经典。

首先，我们先了解下，什么是先验概率、后验概率，我们知道$P(A|B)$表示的是在B发生的情况下A的可能性：

首先，在事件B发生之前，我们对事件A有一个基本的判断，这就称为A的先验概率（边缘概率），记作$P(A)$

其次，事件B发生之后，我们对事件A的发生概率要重新评估，称为A的后验概率（条件概率），记作$P(A|B)$

我们现在了解了贝叶斯里的基本概念，再来看看贝叶斯定理的公式：

$$P(B_i|A)=\frac{P(B_i)P(A|B_i)}{\sum _{j=1}^{n}P(B_i)P(A|B_j)}$$

那么这个定理是如何推导出来的呢？其实很简单，就是由基本的条件概率公式推导而来：

$P(A|B)=\frac{P(AB)}{P(B)}$ 和 $P(B|A)=\frac{P(AB)}{P(A)}$

以上是两个条件概率公式，我们将$P(AB)$替换掉，就得到这样的公式：

$$P(B|A)=\frac{P(B)P(A|B)}{P(A)}$$

我们知道全概率公式为

$$P(A)=P(A|B_1)+P(A|B_2)+...+P(A|B_n)$$

因此，将全概率公式带入后就得到了贝叶斯定理啦！

上面的公式（4）的由来是根据最大化后验概率，那么最大化后验概率的思想是如何来的呢？

我们知道，如果想让一个模型的性能达到最好，需要使风险函数最小。这里我们使用的是期望风险函数，因为朴素贝叶斯模型可以求出联合概率分布，所以直接使用期望风险函数即可。

由于贝叶斯模型是解决分类问题，因此损失函数使用的是0-1损失函数：

$$L(Y,f(X))=\{\begin{array}{l}1,Y\ne f(X)\\ 0,Y=f(X)\end{array}$$

期望风险函数为：

$$R_{exp}(f)=E[L(Y,f(X))]$$

这里的推导过程根据“深度之眼”统计学习方法的老师的思路进行推导的~具体的推导过程看图片：


根据图片，我们最终推导出了朴素贝叶斯模型的公式：

$$y=\underset{c_k}{\mathrm{argmax}}P(Y=c_k)\prod _{(j=1)}^{n}P(X^{(j)}=x^{(j)}|Y=c_k)\text{\hspace{1em}(4)}$$

算法过程

朴素贝叶斯的具体算法过程分为两种：极大似然估计和贝叶斯估计

首先，先来看算法的输入输出：

• 输入：训练数据集$T=(x_1,y_1),(x_2,y_2),...,(x_N,y_N)$,其中$x_i=(x_i^{(1)},x_i^{(2)},...,x_i^{(j)}{)}^T$,$x_i^{(j)}$是第$i$个特征， x i ( j ) ∈ { a j 1 , a j 2 , . . , a j S j } x_i^{(j)} \in \{a_{j1},a_{j2},..,a_{jS_j}\} xi(j)​∈{aj1​,aj2​,..,ajSj​​},$a_{jl}$是第$j$个特征可能取的第$l$个值， j = 1 , 2 , . . . , n , l = 1 , 2 , . . , S j , y i ∈ { c 1 , c 2 , . . . , c K } j=1,2,...,n,l=1,2,..,S_j,y_i \in \{c_1,c_2,...,c_K\} j=1,2,...,n,l=1,2,..,Sj​,yi​∈{c1​,c2​,...,cK​};实例$x$

• 输出：实例$x$的分类

我们先来看一下这个样本里的参数都是啥，我画了一个图，来帮助自己记住：

看完这个图，用文字来描述下，就是呢，训练集一共有$N$个样本，每个样本都有一个$x$和一个$y$，$y$的取值共有$c_k$个，每个样本中的$x$又有$n$个特征，每个特征又有$S_j$个取值。

接下来就是具体的概率估计方法啦！

1. 极大似然估计方法

(1) 计算先验概率和条件概率

$$P(Y=c_k)=\frac{\sum _{i=1}^{N}I(y_i=c_k)}{N},k=1,2,...,K$$

$$P(X^j=a_{jl}|Y=c_k)=\frac{\sum _{i=1}^{N}I(x_i^{(j)}=a_{jl},y_i=c_k)}{\sum _{i=1}^{N}I(y_i=c_k)}j=1,2,...,n;l=1,2,...,S_j;k=1,2,...,K$$

(2) 对于给定的实例$x=(x^{(1)},x^{(2)},...,x^{(n)}{)}^T$，计算

$$P(Y=c_k)\prod _{j=1}^{n}P(X^{(j)}=x^{(n)}|Y=c_k),k=1,2,...,K$$

(3) 确定实例$x$的类

$$y=\underset{c_k}{\mathrm{argmax}}P(Y=c_k)\prod _{j=1}^{n}P(X^{(j)}=x^{(j)}|Y=c_k)$$

2. 贝叶斯估计方法

由于极大似然估计会出现所要顾及的概率值为0的情况，这时候计算结果就会影响到后验概率，时分类产生偏差，采用贝叶斯估计可以解决这个问题。

我们只要在极大似然估计的基础上加个常数$\lambda$,具体为：

(1) 先验概率为：

$$P_{\lambda }(Y=c_k)=\frac{\sum _{i=1}^{N}I(y_i=c_k)+\lambda }{N+K\lambda }$$

(2) 条件概率为：

$$P_{\lambda }(X^{(j)}=a_{jl}|Y=c_k)=\frac{\sum _{i=1}^{N}I(x_i^{(j)}=a_{jl},y_i=c_k)+\lambda }{\sum _{i=1}^{N}I(y_i=c_k)+S_j\lambda }$$

在以上公式中，$\lambda \ge 0$ 。$\lambda =1$时，称为拉普拉斯平滑；$\lambda =0$ 时，此时就是极大似然估计。

总 结

1. 朴素贝叶斯是通过求联合概率分布进而求得后验概率的，因此它是典型的生成模型。其中概率估计有两种方法：极大似然估计和贝叶斯估计。

2. “朴素”主要体现在此模型的一个假设：输入变量之间条件独立，由于这个假设，使得模型的学习和预测大为简化，也易于实现，但是分类的性能不一定很好。

3. 朴素贝叶斯的损失函数是0-1损失函数，学习的核心思想是最大化后验概率。