朴素贝叶斯分类器

最新推荐文章于 2024-09-16 16:56:48 发布

若不是真的喜欢谁想写文章呢

最新推荐文章于 2024-09-16 16:56:48 发布

阅读量133

点赞数 1

分类专栏：机器学习文章标签：机器学习分类器贝叶斯分类器

本文链接：https://blog.csdn.net/weixin_41851360/article/details/103424919

版权

本文通过一个实例介绍朴素贝叶斯分类器的工作原理。分析了一位学生仅听课和做作业，未复习的情况下，通过考试的概率。通过计算条件概率，得出在给定条件下，学生通过考试的概率大于未通过的概率，展示了朴素贝叶斯分类器如何进行预测。

摘要由CSDN通过智能技术生成

贝叶斯分类器是一种简单有效的常用分类算法，我们这里想通过一个简单的例子讲一下朴素贝叶斯分类器的原理。
比如说，学校开设的一门课程，我想通过几个同学的学习情况知道这些同学能否通过这门考试，我们选择如下一组数据集，在表中我们选择了和“考试通过”这个事件可能相关的三个事件“听课”“完成作业”“认真复习”，并列出了它们的一组数据。

考试通过	听课	完成作业	认真复习
1	1	1	1
1	1	0	1
1	0	1	1
1	1	1	0
0	0	0	0
0	1	0	0
1	0	0	1
0	0	1	0

现在根据这组数据，一位想知道，他只想听课和写作业，考前不复习，能不能通过这门考试？
现在我们要解决这样一个概率模型，先要引入概率的一些定义，首先我们把“考试通过”设为事件X，将“听课”设为事件A，“完成作业”设为事件B，“认真复习”设为事件C，将发生概率表示为P。
从上面的列表中我们可以发现，一共有8个样本，我们可以求出考试通过的概率，也