一、概念
1.贝叶斯定理:
(1)就是“某个特征”属于“某种东西”的概率,公式就是最下面那个公式。
2.朴素贝叶斯算法概述
(1)是为数不多的基于概率论的分类算法,即通过考虑特征概率来预测分类。
(2)这是一种假设,假设每个特征属性独立地对分类结果发生影响。
(3)属于监督学习的生成模型。
(4)朴素贝叶斯模型的参数也不多,对缺失数据不太敏感,算法实现比较简单。
(5)根据各个类别出现的概率,哪个最大,就将其划归为那个类别。
(6)因为是假定特征独立影响,所以公式分母取消,变成下面这样:
二、习题(不重要,难算但不难)
解:
首先,可得:
然后计算各个条件概率:
然后完成题目: