怎么解释朴素贝叶斯分类？

291294878

2018-10-21 阅读量: 986

怎么解释朴素贝叶斯分类？

公式：

1. 分类是指，根据一些给定的特征，对物品进行分类，或对行为进行预测，即求上式的最大值。

2. 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯公式为基础，故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单，也是常见的一种分类方法。

3. 朴素一词的来源，是指假设各个特征之间相互独立。

朴素贝叶斯的完整解释如下：

假设某个体有n项特征（Feature），分别为F1、F2、...、Fn。现有m个类别（Category），分别为C1、C2、...、Cm。贝叶斯分类器就是计算出概率最大的那个分类，也就是求下式的最大值：

P(C|F1F2...Fn) = P(F1F2...Fn|C)P(C) / P(F1F2...Fn)

由于 P(F1F2...Fn) 对于所有的类别都是相同的，可以省略，问题就变成了求下式的最大值：

P(F1F2...Fn|C)P(C)

朴素贝叶斯分类器则是更进一步，假设所有特征都彼此独立，因此变换成：

P(F1F2...Fn|C)P(C) = P(F1|C)P(F2|C) ... P(Fn|C)P(C)

上式等号右边的每一项，都可以从统计资料中得到，由此就可以计算出每个类别对应的概率，从而找出最大概率的那个类。虽然"所有特征彼此独立"这个假设，在现实中不太可能成立，但是它可以大大简化计算，而且有研究表明对分类结果的准确性影响不大。

0.0000

关注作者

发表评论

暂无数据

CDA考试动态

CDA报考指南

推荐帖子