目录
1.贝叶斯和朴素贝叶斯
叶贝斯公式:P( C|W )=P( W|C )P( C )/P( W )
P© 表示 C 出现的概率
P(W|C) 表示 C 条件 W 出现的概率
P(W) 表示 W 出现的概率
朴素贝叶斯(Naive Bayes )在贝叶斯基础上增加:特征条件独立假设,即:特征之间是互为独立的。朴素贝叶斯采用 属性条件独立性 的假设,对于给定的待分类观测数据X,计算在X出现的条件下,各个目标类别出现的概率(即后验概率),将该后验概率最大的类作为X所属的类。而计算后验概率的贝叶斯公式为: p(目标类别|观测数据x) =[ p(观测数据x|目标类别i)]*p(目标类别i) /p(观测数据x),由于p(观测数据x)在所有关于X的分类计算公式中都是相同的,所以我们可以把它忽略,则p(目标类别|观测数据x) = p(观测数据x 目标类别i)*p (目标类别i)公司里有一个人穿了运动鞋,推测是男还是女?已知公司里男性38人,女性70人,男性穿运动鞋的有25人,穿拖鞋的有5人,女性穿运动鞋的有40人,穿高跟鞋的有39
p = (男 运动鞋)=p (男性)*p (运动鞋 男性) =.3*(25/3)
p = (女|运动鞋) =p(女性)*p (运动鞋 女性) =.7* (48/7)