
最近自己對機器學習比較感興趣,做個筆記,還請大牛不喜輕噴,多多指教。
樸素貝葉斯分類基于概率論中的貝葉斯原理:
P(A|B) = P(B|A)*P(A)/P(B)
所謂樸素即是特征屬性之間相互獨立的對分類結(jié)果發(fā)生影響。
所以對應(yīng)的概率公式可改寫為P(c|x) = P(x|c)|p(c) / P(x)
其中:
P(c) 是類‘先驗概率’
P(x|c) 是樣本x對于類標記c的類條件概率(或稱似然)
P(x)叫做證據(jù)因子
由于樸素貝葉斯假定所有特征屬性獨立,所以
P(x|c)= P(x1,x2,…xn|c) = P(x1|c)P(x2|c) …P(xn|c)
P(x) = P(x1) * P(x2) * … * P(xn)
所以
P(c|x) = P(x1,x2,…xn|c) = P(x1|c)P(x2|c) …P(xn|c) * P(c) /
p(x)。 因為 P(c) / p(x)是固定值,所以我們一般只需要計算P(x|c),找出最大似然即可
Ps:
對于離散屬性而言,P(x1|c) = 訓練集中屬性為x1且分類為c的數(shù)目|訓練集中分類c的數(shù)目
對于離散屬性而言,一般假定其概率分布為高斯分布
取個例1:
癥狀 職業(yè) 疾病
打噴嚏 護士 感冒
打噴嚏 農(nóng)夫 過敏
頭痛 建筑工人 腦震蕩
頭痛 建筑工人 感冒
打噴嚏 教師 感冒
頭痛 教師 腦震蕩
現(xiàn)在又來了是一個打噴嚏的建筑工人。請問他患上感冒的概率有多大?
由上可知
求P(感冒|打噴嚏建筑工人) = P(建筑工人|感冒) P(打噴嚏|感冒) * P(感冒) / P(建筑工人) * P(打噴嚏)
P(建筑工人|感冒) = 1/3
P(打噴嚏|感冒) = 2/3
P(感冒) = 3/6 = 1/2
P(建筑工人) = 2/6 = 1/3
P(打噴嚏) = 3/6 = 1/2
所以
P(感冒|打噴嚏*建筑工人) = (1/3 * 2/3 * 1/2 ) / (1/3 * 1/2) = 2/3
再取個例2(來自機器學習(周志華)):
我們要求一個:
根據(jù)樸素貝葉斯定理:
我們有
P(好瓜=是|色澤=青綠,根蒂=蜷縮,敲聲=濁響,紋理=清晰,臍部=凹陷,觸感=硬滑,密度=0.697,含糖率=0.46) =
P(色澤=青綠|好瓜=是) * P(根蒂=蜷縮|好瓜=是) * P(敲聲=濁響|好瓜=是) * P(紋理=清晰|好瓜=是) *
P(臍部=凹陷|好瓜=是) * P(觸感=硬滑|好瓜=是) * P(密度=0.697|好瓜=是) * P(含糖率=0.46|好瓜=是) *
P(好瓜=是) / (P(色澤=青綠) * P(根蒂=蜷縮) * P(敲聲=濁響) * P(紋理=清晰) * P(臍部=凹陷)
* P(觸感=硬滑) * P(密度=0.697) * P(含糖率=0.46))
P(好瓜=是) = 8/17
P(色澤=青綠|好瓜=是) = 3/8
…
(好瓜=是的瓜密度均值為0.574, 方差 = 0.129)
P(色澤=青綠|好瓜=是) = exp(-(0.697-0.574)^2 / 2*0.129)) / sqrt((2*π)*0.129) ≈ 1.959
…
結(jié)果P(好瓜=是|色澤=青綠,根蒂=蜷縮,敲聲=濁響,紋理=清晰,臍部=凹陷,觸感=硬滑,密度=0.697,含糖率=0.46) = 0.038
同理
P(好瓜=否|色澤=青綠,根蒂=蜷縮,敲聲=濁響,紋理=清晰,臍部=凹陷,觸感=硬滑,密度=0.697,含糖率=0.46) =0.000068
所以分類到好瓜中。
特別的,如果樣本中有,但是訓練集中沒有,這樣就有可能導(dǎo)致分類不合理。
例如在例1 中 如果樣本中出現(xiàn)職業(yè)一個打噴嚏的學生,那么最后算出來的結(jié)果,P(感冒|打噴嚏*學生) = 0,很明顯是不對的。
拉普拉斯修正修正原理很簡單:設(shè)Ni對于分類為c第i個特征屬性的可能取到的類別數(shù)目
,那么:
P(xi|c) =( |Dc,xi|+1) / (|Dc|+Ni )
其中 |Dc,xi| 表示訓練集中分類為c的特征屬性為xi的數(shù)目, |Dc| 表示訓練集中分類為c的數(shù)目。
在例1 經(jīng)過修正后
P(建筑工人|感冒) = (1+1)/(3+4) = 2/7
P(打噴嚏|感冒) = (2+1)/(3+2) =3/5
P(感冒) = 3/6 = 1/2
P(建筑工人) = 2/6 =1/3
P(打噴嚏) = 3/6 = 1/2
P(感冒|打噴嚏建筑工人) = P(建筑工人|感冒)P(打噴嚏|感冒) * P(感冒) / P(建筑工人) * P(打噴嚏) = (2/7 * 3/71/2) / (1/31/2) = 2/35
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03