数据链接
解析
设一个点(x,y),对(x,y)进行分类(1,2),我们可以设每个点分别属于两个类别的概率:
如果p1(x,y) > p2(x,y),那么类别为1
如果p1(x,y) < p2(x,y),那么类别为2
由贝叶斯概率我们有
\[p(c|x,y) = \frac {p(x,y|c)p(c)}{p(x,y)}\dots(1)\]
对于二分类可见
\[p1 \rightarrow p(1|x,y)\]
\[p2 \rightarrow p(2|x,y)\]
观察公式一右边.
根据大数定理,当数据集具有一定规模时,我们可以以频率逼近概率。
右边的概率可以由统计而得
因此朴素贝叶斯法则主要在于对数据的统计,步骤如下:
- 分词,生成词向量空间(英文文本无需如此,中文文本可以使用jieba分词工具)
- 对于每个向量,计算其向量空间坐标(每个特征词出现次数,即词袋)
- 1)计算出p(c),即每个类别