朴素贝叶斯

最新推荐文章于 2022-10-03 15:07:42 发布
最新推荐文章于 2022-10-03 15:07:42 发布
阅读量169 收藏
点赞数
分类专栏： 机器学习 文章标签： 人工智能 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_37042673/article/details/110227443
版权

1 朴素贝叶斯的作用

根据已有数据的概率（先验概率），推算全局数据的概率（后验概率）

2 为什么叫‘’朴素''贝叶斯

因为假定各个条件相互独立，而现实中这种场景基本不存在，由于严苛的假定条件，所以叫朴素贝叶斯

3 为什么不能用已有的数据，推算概率

因为 p(嫁|不帅、性格不好、身高矮、不上进)  ！= p(嫁|不帅) * p(嫁|性格不好)* p(嫁|身高矮)* p(嫁|不上进)

而p(不帅、性格不好、身高矮、不上进|嫁)  =   p(不帅|嫁) * p(性格不好|嫁)* p(身高矮|嫁)* p(不上进|嫁)

 

4 计算公式

preview

weixin_37042673
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
分类_朴素贝叶斯
weixin_40809507的博客
12-16 722
一、朴素贝叶斯 朴素贝叶斯是一组功能强大且易于训练的分类器，它使用贝叶斯定理来确定给定一组条件的结果的概率，“朴素”的含义是指所给定的条件都能独立存在和发生. 朴素贝叶斯是多用途分类器，能在很多不同的情景下找到它的应用，例如垃圾邮件过滤、自然语言处理等. 1. 概率 1）定义 概率是反映随机事件出现的可能性大小. 随机事件是指在相同条件下，可能出现也可能不出现的事件. 例如： （1）抛一枚硬币，可能正面朝上，可能反面朝上，这是随机事件. 正/反面朝上的可能性称为概率； （2）掷骰子，掷出的点数为随机事件.
朴素贝叶斯简介
最新发布
飘羽的博客
11-25 2234
朴素贝叶斯分类器是一种基于贝叶斯定理的弱分类器，所有朴素贝叶斯分类器都假定样本每个特征与其他特征都不相关。举个例子，如果一种水果其具有红，圆，直径大概3英寸等特征，该水果可以被判定为是苹果。尽管这些特征相互依赖或者有些特征由其他特征决定，然而朴素贝叶斯分类器认为这些属性在判定该水果是否为苹果的概率分布上独立的。：结合朴素贝叶斯分类器和协作过滤构建推荐系统，该系统使用机器学习和数据挖掘技术过滤看不见的信息并预测用户是否喜欢系统做出的推荐。：该模型常用于文本分类，特征是单词，值是单词的出现次数。
朴素贝叶斯法（应用）
风轻云淡
08-15 1020
1、分类和回归 ①回归问题的应用场景（预测的结果是连续的，例如预测明天的温度，23，24，25度） 回归问题通常是用来预测一个值，如预测房价、未来的天气情况等等，例如一个产品的实际价格为500元，通过回归分析预测值为499元，我们认为这是一个比较好的回归分析。一个比较常见的回归算法是线性回归算法（LR）。另外，回归分析用在神经网络上，其最上层是不需要加上softmax函数的，而是直接对前一层累加...
【朴素贝叶斯】实战朴素贝叶斯_基本原理
云计算?
09-06 110
【写在前面】 最近因为工作原因，需要做文本过滤任务，即从海量文本中过滤掉杂质文本——也可以理解为感兴趣的文本。这是一个特殊的文本分类任务。特殊在于，只有两个类别；而且杂质文本的数量远小于正常文本的数量。 先不理会它的特殊性。我们就按照文本分类任务来做。首先想到的，自然是号称最简单、最高效的naive bayes模型。不过实践起来，发现遇到的问题挺多。模型不复杂，但在应用的时候，还需要考虑一...
java实现朴素贝叶斯分类算法
12-23
朴素贝叶斯分类算法是一种基于概率的机器学习方法，它基于贝叶斯定理和特征条件独立假设。在Java中实现朴素贝叶斯分类器，我们需要理解以下几个关键知识点： 1. **贝叶斯定理**：贝叶斯定理是概率论中的一个公式，...
人工智能-项目实践-朴素贝叶斯分类器-朴素贝叶斯文本分类器
03-25
人工智能_项目实践_朴素贝叶斯分类器_朴素贝叶斯文本分类器 **数据：**搜狗文本分类语料库 **分类器：**朴素贝叶斯分类器 NBC(Naive Bayesian Classifier) **编程语言：**Python+jieba分词库+nltk+sklearn
朴素贝叶斯案例：商品评论情感分析
08-23
朴素贝叶斯是一种基于概率论的分类方法，它在机器学习领域被广泛应用，尤其是在文本分类、情感分析等任务中。本案例"商品评论情感分析"是朴素贝叶斯理论的一个实际应用，旨在通过分析商品评论的情感倾向，为商家提供...
C++实现朴素贝叶斯分类器(加强版)
09-14
《C++实现朴素贝叶斯分类器的强化实践》 朴素贝叶斯分类器是一种基于概率理论的机器学习算法，其基本思想是假设各个特征之间相互独立，并利用贝叶斯定理来预测未知数据的类别。在C++环境中实现朴素贝叶斯分类器，...
朴素贝叶斯分类及应用
autocyz
07-15 3805
贝叶斯学习贝叶斯公式贝叶斯学习器其实是从经典的贝叶斯概率公式的来的，对于经典的贝叶斯公式： P(A|B)=P(B|A)P(A)P(B)P(A|B)={P(B|A)P(A)\over{P(B)}} 式中P(A)表示A的先验概率（即A发生的概率与B无关），P(A|B)表示A的后验概率（即在已知B发生的情况下，A发生的概率）朴素贝叶斯分类我们都知道贝叶斯是一个经典的求取概率的公式，那么贝叶斯又是怎么和
朴素贝叶斯算法
Shingle_的博客
08-23 788
概率基础 概率 概率表示为0到1之间的数字，含义是某一事件或者预测行为的可信程度，1值表示“事件为真”的情形肯定发生，或表述为预测为真；而0值表示“事件为真”这一情形为假。 条件概率 条件概率是带有某些（前提条件）背景约束下的概率问题。 P(A|B)=P(A,B)P(B)P(A|B)=P(A,B)P(B) P(A|B) = \frac{P(A,B)}{P(B)} 联合...
朴素贝叶斯(Naive Bayes)
weixin_44992737的博客
10-03 9786
朴素贝叶斯
朴素贝叶斯的理解
qq_22441151的博客
10-30 236
最近在学习贝叶斯分类器，看着公式头大，记一下自己的理解。 在讲贝叶斯之前，要把条件概率公式和全概率公式简单回顾一下。 条件概率 条件概率本身没有什么需要讲的，但是它有一个很常用的变形，得到概率的乘法公式： 概率的乘法公式： 一个事件发生的概率等于造成这件事发生的所有事件概率的乘积，如果甲和乙同时发生，那么就让其中一个发生，另一件随后发生，这样两件事就同时发生了。 下面写出概率乘法公式的n个事件的形式： 每个发生的事件，都要成为下一个事件发生的条件之一。 全概率公式 全概率公式： 例如一个事情的结果
贝叶斯，朴素贝叶斯
None_Pan的博客
05-11 384
贝叶斯 贝叶斯定理解释 贝叶斯定理可通过考虑任何给定的人患病的可能性和测试的总体准确性来确定医学测试结果的准确性。贝叶斯定理依赖于合并先验概率分布以产生后验概率。在贝叶斯统计推断中，先验概率是在收集新数据之前发生事件的概率。 这是在进行实验之前根据当前知识对结果可能性进行的最佳理性评估。后验概率是考虑新信息后事件发生的修订概率。后验概率是通过使用贝叶斯定理更新先验概率来计算的。用统计术语来说，后验概率是事件A发生的概率，假设事件B已经发生。 例子1： 您可能有兴趣找出酒精中毒患者患肝病的可能性。 “酗酒”是
机器学习——朴素贝叶斯（Naive Bayes）详细解读
技术分享
11-05 7595
本文是从机器学习的角度分析朴素贝叶斯（Naive Bayes），主要分析的内容有贝叶斯定理、朴素贝叶斯分类器和极大似然估计法等。此外，针对贝叶斯定理，举了两个容易理解的例子，并且在朴素贝叶斯的实现方面，也提供了详细的代码和数据集，供读者上机操作。
【076】朴素贝叶斯介绍
小麦粒的Python
05-08 674
内容目录（原文见公众号：python宝）一、贝叶斯介绍二、高斯分布贝叶斯三、多项式分布贝叶斯四、伯努利分布贝叶斯一、贝叶斯介绍# 高斯分布就是正态分布 # 【用途】用于一般分类问题 fr...
朴素贝叶斯(Naive Bayesian)
chen_c_q的博客
10-16 282
朴素贝叶斯是一组功能强大的且易于训练的分类器，它使用贝叶斯定理来确定给定一组条件的结果的概率。形容词“朴素”用在这不是因为算法有限或者效率较低，而是因为我们要讨论的因果关系的一个基本假设。 贝叶斯定理 考虑两个概率事件A和B，使用乘积法则则可以将边缘概率P(A)和P(B)与条件概率P(A | B)和P(B | A)相关联： {P(AB)=P(A∣B)P(B)P(BA)=P(B∣A)P(A) \l...
【机器学习】Naive Bayes 朴素贝叶斯
duxinyuhi的专栏
10-10 1897
1.基本原理和步骤 Naive Bayes methods are a set of supervised learning algorithms based on applying Bayes’ theorem with the “naive” assumption of independence between every pair of features. Given a clas
Python实现朴素贝叶斯算法详解
"这篇文章主要介绍了如何在Python中实现朴素贝叶斯分类算法，包括加载样本数据、创建词汇表以及将文档转换为向量等步骤。通过具体的实例代码，帮助读者理解朴素贝叶斯算法在文本分类中的应用。" 在Python编程中，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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