基于人工智能的贝叶斯分类算法
贝尔斯算法的应用:
1.百度实时路况
2.腾讯新闻分类
3.数据清洗:数据补全
4.数据归类
5.垃圾邮箱
什么是贝尔斯算法
贝尔斯算法就是贝叶斯所研究的逆向概率: 给出一个条件,根据这个条件来推测某一个事件
-
例子:有一黑盒里面有若干个白球和黑球,当我们取出一个或几个球之后,
观察这些球的颜色,推断出黑白球的比例
通过一些信息推出未知的信息,这就是逆向概率
朴素贝叶斯算法就是应用先前事件的有关数据来估计未来事件发生的概率
根据例题推导贝叶斯分类算法
一所学校中有60%的男生,40%女生.男生全部穿长裤,女生一半穿长裤一半穿短裙,随机挑选一个学生,穿长裤的概率是多少?
假设 学校有U个人,
P(男生)=60%
P(女生)=40%
P(长裤|男生)=100%
P(长裤|女生)=50%
首先我们正向算一下穿长裤的总人数和穿裙子的总人数:
穿 长 裤 人 数 = U ∗ P ( 男 生 ) ∗ P ( 长 裤 ∣ 男 生 ) : U ∗ 60 % ∗ 100 % + U ∗ P ( 女 生 ) ∗ P ( 长 裤 ∣ 女 生 ) : U ∗ 40 % ∗ 50 % = 0.8 U 穿长裤人数=U*P(男生)*P(长裤|男生):U*60\%*100\% + U*P(女生)*P(长裤|女生):U*40\%*50\%=0.8U 穿长裤人数=U∗P(男生)∗P(长裤∣男生):U∗60%∗100%+U∗P(女生)∗P(长裤∣女生):U∗40%∗50%=0.8U
穿 裙 子 的 总 人 数 = U − 0.8 U = 0.2 U 穿裙子的总人数=U-0.8U=0.2U 穿裙子的总人数=U−0.8U=0.2U
如果你只能看见她/他穿的是长裤,但不知道他/她的性别,你能推断出他/她是男生的概率么?
那么女生长裤该怎么计算呢
首先我们先计算出该学校中所有穿长裤的人数
U ∗ P ( 男 生 ) ∗ P ( 长 裤 ∣ 男 生 ) + U ∗ P ( 女 生 ) ∗ P ( 长 裤 ∣ 女 生 ) U*P(男生)*P(长裤|男生)+U*P(女生)*P(长裤|女生) U∗P(男生)∗P(长裤∣男生)+U∗P(女生)∗P(长裤∣女生)
然后我们在算出所有穿长裤的女生
U ∗ P ( 女 生 ) ∗ P ( 长 裤 女 生 ) U*P(女生)*P(长裤女生) U∗P(女生)∗P(长裤女生)
用所有穿长裤的女生/所有穿长裤的人
P ( 长 裤 ∣ 女 生 ) = U ∗ P ( 女 生 ) ∗ P ( 长