本文介绍了朴素贝叶斯定理，通过一个实际的水果糖问题阐述了条件概率、先验概率和后验概率的概念，并展示了如何利用贝叶斯公式计算后验概率。此外，还讨论了朴素贝叶斯定理在数据挖掘中的应用，提供了一个数据集的分类问题作为示例。
做下记录总结：朴素贝叶斯，可能大家都忘了，但是稍微提一下，给个公司，或许你还会知道怎么求解。
朴素贝叶斯公式：
首先这个公式为什么叫朴素贝叶斯呢？他是英国数学家托马斯·贝叶斯（Thomas Bayes）在1763年发表的一篇论文中首次提出的这个定理。
首先我们了解下”条件概率”： 在事件B发生的情况下，事件A发生的概率，用P（A|B）表示
对条件概率进行变形：
“先验概率”：p（A），即在B事件发生之前，对A事件概率的一个判断
“后验概率”：p（A|B），即在B事件发生之后，对A事件概率的重新评估
“可能性函数”：P(B|A)/P(B)，一个调整因子，使得预估概率更接近真实概率
所以：
最低0.47元/天 解锁文章
扫一扫
551
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
