简介

朴素贝叶斯模型主要是解决逻辑回归多维不能解耦的情况。

前提描述

在讲解朴素贝叶斯模型的时候先回归下逻辑回归的函数。

如果计算多维的时候比如在婚恋网的预测的时候，根据x1身高，x2体重,x3收入，预测你是否受欢迎，如果有数据数据丢失的情况，比如体重的数据有些没有，那么预测就不是很准。

朴素贝叶斯模型引入

我们假设多维概率之间独立可拆分。

但是可能性在实际生活中不太大，因为打个比方，身高180cm的体重也是45kg的可能性不太大，所以有时候解耦不一定合理。朴素贝叶斯模型假设是可以的。那么逻辑如下。下图是求y等于一的概率。

下图是求y=0的概率。

也就是说，只要y=1的概率大于y=0的概率，那么我们就说属于1类，否则就是属于0类。那么我们就可以通过一个例子进行计算。下面把x1=1为富，x2=1为高，x3=1为高收入。

那么我们就可以用评论求概率，下面是x1=1,y等于1的频率，也就是上面的x1出现了2次，y同时也会对应的出现两次那么2/2=1。那么表示x1=1有钱，那么对于的y=1表示受欢迎为必然事件。

那么我们就可以通过朴素贝叶斯模型训练的方式训练出到底属于什么分类。也就是说，按上面的计算方式，如果x1=1，y=1的概率要比x1=1,y=0的概率要大的时候，那么就是属于一类，否则就是二类。

那么上面有一个缺点就是如果数据量比较少的话，那么估算就不会太准。那么我们就可以认为的自我给一个概率。比如下面，硬币的正反。按主观意识给一个半分之50的概率，然后在根据这个百分之50进行概率统计。下面也就是x1=2,y=2,500和1000是主观假设，就是怕数据量太小模型预估不准确。

先验概率的例子

比如，在用户画像的时候，新的用户不知道行为，那么我们就可以把热门的推荐给用户。

人工智能算法一朴素贝叶斯模型相关推荐

机器学习算法之朴素贝叶斯模型
基本原理从统计学知识回到我们的数据分析.假如我们的分类模型样本是: 即我们有m个样本,每个样本有n个特征,特征输出有k个类别,定义为C1,C2,-,Ck,.从样本我们可以学习得到朴素贝叶斯的先验分布 ...
【人工智能】— 贝叶斯网络、概率图模型、全局语义、因果链、朴素贝叶斯模型、枚举推理、变量消元
[人工智能]- 贝叶斯网络频率学派 vs. 贝叶斯学派贝叶斯学派 Probability(概率): 独立性/条件独立性: Probability Theory(概率论): Graphical mo ...
一步步教你轻松学朴素贝叶斯模型算法理论篇1
一步步教你轻松学朴素贝叶斯模型理论篇1 (白宁超2018年9月3日17:51:32) 导读:朴素贝叶斯模型是机器学习常用的模型算法之一,其在文本分类方面简单易行,且取得不错的分类效果.所以很受欢迎,对 ...
EM算法--应用到三个模型：高斯混合模型，混合朴素贝叶斯模型，因子分析模型...
主要是对Ng教授的machinelearning视频学习和参考jerryLead讲义整理(特别鸣谢~): 由"判别模型.生成模型与朴素贝叶斯方法 "一节得知: 判别模型求的是条件概 ...
实现 | 朴素贝叶斯模型算法研究与实例分析
实现 | 朴素贝叶斯模型算法研究与实例分析 (白宁超 2018年9月4日10:28:49) 导读:朴素贝叶斯模型是机器学习常用的模型算法之一,其在文本分类方面简单易行,且取得不错的分类效果.所以很受 ...
机器学习：朴素贝叶斯模型算法原理（含实战案例）
机器学习:朴素贝叶斯模型算法原理作者:i阿极作者简介:Python领域新星作者.多项比赛获奖者:博主个人首页
k近邻算法，朴素贝叶斯算法，分类模型评估，模型调优
k近邻算法,朴素贝叶斯算法,分类模型评估,模型调优 k近邻算法 k近邻算法概述 k近邻算法代码实现 k近邻算法的评价朴素贝叶斯算法朴素贝叶斯算法概述朴素贝叶斯代码实现朴素贝叶斯的评价分类模型 ...
朴素贝叶斯模型应用实践
实验四:朴素贝叶斯模型应用实践一.实验目的 1．了解贝叶斯原理: 2．理解朴素贝叶斯算法原理: 3．掌握朴素贝叶斯工作流程 4．初步应用朴素贝叶斯分类器在分类中应用: 二. 实验内容 (以下实验二选 ...
机器学习算法基础——朴素贝叶斯算法
26.朴素贝叶斯算法原理联合概率和条件概率联合概率:包含多个条件,且所有条件同时成立的概率记作:P(A,B) P(A,B)=P(A)P(B) 条件概率:就是事件A在另外一个事件B已经发生条件下的 ...

人工智能算法一朴素贝叶斯模型

简介

前提描述

朴素贝叶斯模型引入

先验概率的例子

人工智能算法一朴素贝叶斯模型相关推荐

最新文章

热门文章