【机器学习】朴素贝叶斯-条件概率

最新推荐文章于 2023-03-15 16:55:41 发布
最新推荐文章于 2023-03-15 16:55:41 发布
阅读量4.3k 收藏 5
点赞数 2
分类专栏： 【机器学习】
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhuanzhe117/article/details/79066839
版权
本文介绍了朴素贝叶斯分类方法，重点讲述了条件概率的概念，并通过小球例子解释了贝叶斯公式。文章讨论了如何在实际问题中应用条件概率，如根据数据点的坐标来判断其所属类别。最后提到了朴素贝叶斯用于文档分类的应用。
摘要由CSDN通过智能技术生成

  

  朴素贝叶斯是基于概率论的分类方法，主要步骤是：


      1.利用Python的文本处理能力，将文档切分成词向量

      2.从词向量计算概率，得到分类器

      3.优化分类器

      4.通过分类器进行分类

 

  其中，计算概率是很关键的步骤，包括计算条件概率，下面总结一下关于条件概率的内容。

 

  我们来举个小球的例子：现在有7个球如下图所示放在2个桶里。


  


 （1）任取一球，取到的球出自B桶的概率是多少？

最低0.47元/天 解锁文章
五月槐花儿香
关注
专栏目录
朴素贝叶斯之条件概率
杨鑫newlife的专栏
11-14 2379
计算 P(white) 或者 P(black) ，如果事先我们知道石头所在桶的信息是会改变结果的。这就是所谓的条件概率（conditional probablity）。假定计算的是从 B 桶取到白色石头的概率，这个概率可以记作 P(white|bucketB) ，我们称之为“在已知石头出自 B 桶的条件下，取出白色石头的概率”。很容易得到，P(white|bucketA) 值为 2/4 ，P(wh...
ML基础-朴素贝叶斯-1-条件概率
想进步总不是坏事
05-16 737
贝叶斯准则 概述 贝叶斯定理是关于随机事件A和B的条件概率的一则定理。 其中P(A|B)是指在事件B发生的情况下事件A发生的概率 在贝叶斯定理中，每个名词都有约定俗成的名称： P(A|B)是已知B发生后A的条件概率，也由于得自B的取值而被称作A的后验概率。 P(A)是A的先验概率（或边缘概率）。之所以称为”先验”是因为它不考虑任何B方面的因素。 P(B|A)是已知A发生后B的条...
条件概率/全概率/贝叶斯公式
热门推荐
野生猿-群号1025127672
07-17 19万+
参考：https://www.cnblogs.com/ohshit/p/5629581.html 1、条件概率公式 设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为： P(A|B)=P(AB)/P(B) 分析：一般说到条件概率这一概念的时候，事...
朴素贝叶斯（一）知识准备---条件概率、全概率、贝叶斯公式
xiaoxiaoliluo917的博客
11-11 880
1 条件概率         设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率为： P(A∣B)=P(A,B)P(B)P(A|B)=\frac{P(A,B)}{P(B)}P(A∣B)=P(B)P(A,B)​         一般说到条件概率这一概念的时候，事件A和事件B都是同一实验...
贝叶斯条件概率/贝叶斯网络
最新发布
noobiee的博客
03-15 5944
假设B是由相互独立的事件组成的概率空间{B1,b2，...bn}，P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+..P(A|Bn)P(Bn)：P(AB)=P(A)P(B|A)=P(B)P(A|B)；Pr(A|B)是已知B发生后A的条件概率，也由于得自B的取值而被称作A的后验概率。Pr(B|A)是已知A发生后B的条件概率，也由于得自A的取值而被称作B的后验概率。P(AB)=P(A|B)P(B)=P(A)P(B)：由条件概率公式推导出 P(B|A)=P(A|B)P(B)/P(A)
机器学习-Python-朴素贝叶斯-垃圾邮件
09-28
本资源包聚焦于一个具体的机器学习应用——垃圾邮件检测，通过使用朴素贝叶斯算法。 朴素贝叶斯是一种基于概率的分类方法，其基本思想是假设特征之间相互独立，并且每个特征对类别有相同的影响力。在垃圾邮件过滤中...
机器学习实战(第四章-朴素贝叶斯-所有代码与详细注解及相关数据文件-python3.7)
12-09
在本资源包中，我们聚焦于机器学习领域中的一个经典算法——朴素贝叶斯（Naive Bayes）的实战应用，特别关注如何使用Python 3.7进行编程实现。朴素贝叶斯是一种基于概率理论的分类方法，因其简单且效率高而在实际...
matlab-朴素贝叶斯-鸢尾花数据集
08-31
在机器学习领域，朴素贝叶斯算法是一种简单而有效的分类方法。它基于贝叶斯定理，并假设特征之间相互独立，因此得名“朴素”。在这个项目中，我们将深入探讨如何使用Matlab实现朴素贝叶斯算法来对鸢尾花数据集进行...
机器学习D8——朴素贝叶斯概率论
Dunkle.T的博客
03-30 496
算法得出的结论永远不可能是100%确定的，更多的是根据样本判断出的一种可能性，而非是一种确定。我们通过模型算法的某些规定。来强行让算法为我们返回一个固定的分类结果。但很多时候我们也希望能够得到算法推断出结果的可能性概率。 我们都希望使用真正的概率来衡量可能性，因此也就有了真正的概率算法：朴素贝叶斯。 朴素贝叶斯是一种直接衡量标签和特征之间的概率关系的有监督学习算法，是一种专注分类的算法。朴素贝叶斯的算法根源就是基于概率论和数理统计的贝叶斯理论，因此它是根正苗红的概率模型。 朴素贝叶斯只适用于特征之间是条件.
朴素贝叶斯概率方法
AcceptedLin的博客
10-12 1万+

 ...
条件概率学习笔记
雪儿的博客
12-02 701
参考：https://blog.csdn.net/yxnd150150/article/details/53375303 https://blog.csdn.net/jiangjieqazwsx/article/details/52475286 经典例题：
AI(5)-趣谈贝叶斯-条件概率-一看就懂
aggie4628的专栏
10-09 264
贝叶斯的方法 贝叶斯方法的本质就是从结果推测出成因。 比如你怀疑老王是杀人凶手，但你没有证据，所以你怀疑度比较低，有一天，你从老王家搜出了凶器，这个证据会加重你对老王的怀疑。 这是个哲学问题。 如何量化证据和论断呢？贝叶斯提出什么叫“信”，什么叫“不信”，对某个假设的相信程度应该用一个概率来表示P(假设)。 P=1就是绝对相信，P=0就...
条件概率，贝叶斯，朴素贝叶斯详解(吸毒者案例，吸烟者案列，抛硬币问题，文本喜好问题)
迷雾总会解
11-21 2247
贝叶斯定理是统计学中非常重要的一个定理，以贝叶斯定理为基础的统计学派在统计学世界里占据着重要的地位，和概率学派从事件的随机性出发不同，贝叶斯统计学更多地是从观察者的角度出发，事件的随机性不过是观察者掌握信息不完备所造成的，观察者所掌握的信息多寡将影响观察者对于事件的认知。
深刻理解贝叶斯公式(条件概率)(P(A,B))
hxxjxw的博客
08-31 2758
深刻理解贝叶斯公式
条件概率之贝叶斯公式
weixin_45838115的博客
04-02 238
注意A与B的颠倒
条件概率与贝叶斯公式
weixin_40252835的博客
06-16 3075
收藏 查看我的收藏 820 有用+1 已投票 135 条件概率 语音 编辑 锁定 讨论4 上传视频 本词条由“科普中国”科学百科词条编写与应用工作项目 审核 。 条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为：P（A|B），读作“在B的条件下A的概率”。条件概率可以用决策树进行计算。条件概率的谬论是假设 P(A|B) 大致等于 P(B|A)。数学家John Allen Pa...
条件独立性与机器学习：朴素贝叶斯的基础
本文主要探讨了条件独立性在机器学习中的重要性，特别是与朴素贝叶斯分类器的关系。同时，介绍了机器学习的基本概念、学习与智能的关联、以及机器学习在人工智能领域的应用。 条件独立性是概率论中的一个基本概念，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值