条件概率公式:事件A在另外一个事件B已经发生条件下的发生概率P(A|B)
P(A|B)P(B) = P(AB)
P(B|A)P(A) = P(AB)
推出P(A|B) = P(B|A)P(A) / P(B) 朴素贝叶斯公式
例子:这是我自己写的一个数据集 判断一个日落果的好坏(诶嘿
size: small = 0, big = 1
color: orange = 0, yellow = 1
shape: irregular = 0, circle = 1
result: bad = 0, good = 1
Q:预测 大的、圆的、橙色的日落果是好的还是坏的
划分特征变量和目标变量:
朴素贝叶斯有三种类型:
(1)高斯朴素贝叶斯(Gaussian Naive Bayes)
(2)多项式朴素贝叶斯(Multinomial Naive Bayes)
(3)伯努利朴素贝叶斯(Bernoulli Naive Bayes)
这里以高斯朴素贝叶斯为例,把数据放入训练再根据需求进行预测就行了。
下面是原理: