朴素贝叶斯分类器及西瓜判定实例

朴素贝叶斯分类器是一系列以假设特征之间强（朴素）独立下运用贝叶斯定理为基础的简单概率分类器。下面我们通过西瓜判定的实例，阐述利用贝叶斯算法进行简单模式识别分类的过程。

鉴于概率论与数理统计基础，我们直接引入贝叶斯公式：

P(B|A)=P(B)P(A|B)/P(A)

现在来假设场景，炎炎夏日购买西瓜解暑，市场上的西瓜从品相来看各有优点，通过西瓜特征来进行判别西瓜好坏，我们首先进行数据采集和特征分类，统计数据如下：

下面举例说明条件风险公式：

假设样本有五类，把样本j划分为2类时的条件风险如何计算？

通过公式带入，得到式子：公式中h(x)意为判定准则，因为能力难题也没有搜集到较好的资料论述，此概念略过不提。

日常生活中，人们倾向于将风险最小化，那么由此产生最小化总体风险的概念：

此时我们应注意到离散变量和连续变量是二者的最大似然估计算法是不一样的，此处再次使用西瓜实例说明：

因为连续型分布计算较难，此处不做讨论，针对西瓜分类问题，只研究离散型的变量特征。

对每一个特征概率进行计算

我们以样本一为例进行判断：

所以把样本一判别为好瓜。

朴素贝叶斯分类器及西瓜判定实例相关推荐

基于朴素贝叶斯分类器的西瓜数据集 2.0 预测分类_朴素贝叶斯为什么被称为“朴素”？...
一.基本理解 1.朴素贝叶斯分类器: 例:如果有一种水果具有红.椭圆形.直径约3英寸等特征,则该水果可以被判定为是苹果. 尽管这些特征相互依赖或者有些特征由其他特征决定,然而朴素贝叶斯分类器认为这些属 ...
基于朴素贝叶斯分类器的西瓜数据集 2.0 预测分类_朴素贝叶斯（转载自Morgan）...
什么是朴素贝叶斯要搞懂朴素贝叶斯分类,首先需要了解什么是贝叶斯定理和特征条件独立假设,朴素贝叶斯算法就是基于这两个来实现的分类方法. 贝叶斯定理贝叶斯定理通俗点讲就是求在事件 B 已经发生的前提下 ...
基于朴素贝叶斯分类器的西瓜数据集（实战）
最近刚开始学习机器学习中的朴素贝叶斯分类器,用西瓜数据集做了一下,最后结果预测正确率75%,其中运用到的python语法并不复杂,适合小白观看. 目录朴素贝叶斯分类器思想的自然语言描述: 详细步骤在 ...
基于朴素贝叶斯分类器的西瓜数据集 2.0 预测分类_第十章：利用Python实现朴素贝叶斯模型
免责声明:本文是通过网络收集并结合自身学习等途径合法获取,仅作为学习交流使用,其版权归出版社或者原创作者所有,并不对涉及的版权问题负责.若原创作者或者出版社认为侵权,请联系及时联系,我将立即删除文章, ...
基于朴素贝叶斯分类器的西瓜数据集 2.0 预测分类_机器学习之朴素贝叶斯
1.贝叶斯原理朴素贝叶斯分类(Naive Bayesian,NB)源于贝叶斯理论,是一类基于概率的分类器,其基本思想:假设样本属性之间相互独立,对于给定的待分类项,求解在此项出现的情况下其他各个类别 ...
朴素贝叶斯分类器简单实例
一.病人分类的例子让我从一个例子开始讲起,你会看到贝叶斯分类器很好懂,一点都不难. 某个医院早上收了六个门诊病人,如下表. 症状职业疾病打喷嚏护士感冒打喷嚏农夫过敏头痛建筑工人 ...
朴素贝叶斯分类器（Naive Bayesian Classifier）
写作本博文只为学习与分享知识.所以如果本系列教程对你有帮助,麻烦不吝在github的项目上点个star吧!非常感谢! 本博客是基于对周志华教授所著的<机器学习>的"第7章贝叶斯 ...
朴素贝叶斯分类器简介及C++实现(性别分类)
贝叶斯分类器是一种基于贝叶斯定理的简单概率分类器. 在机器学习中,朴素贝叶斯分类器是一系列以假设特征之间强(朴素)独立下运用贝叶斯定理为基础的简单概率分类器.朴素贝叶斯是文本分类的一种热门(基准)方法 ...
机器学习算法——贝叶斯分类器3（朴素贝叶斯分类器）
基于贝叶斯公式来估计后验概率P(c|x)的主要困难在于:类条件概率P(x|c)是所有属性上的联合概率,难以从有限的训练样本直接估计而得. 为避开这个障碍,朴素贝叶斯分类器(Naive Bayes cl ...

朴素贝叶斯分类器及西瓜判定实例

朴素贝叶斯分类器及西瓜判定实例相关推荐

最新文章

热门文章