十大经典算法朴素贝叶斯全解课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《十大经典算法朴素贝叶斯全解课件.ppt》由用户(三亚风情)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 经典 算法 朴素 贝叶斯全解 课件
- 资源描述:
-
1、朴素贝叶斯算法朴素贝叶斯算法Nave Bayes知识回顾知识回顾贝叶斯知识12001212,1, ,1,2, ;2,.nijnnEB BBEB Bi jnBBBB BB 定义设为试验 的样本空间为的一组事件 若则称为样本空间的一个划分1. 样本空间的划分样本空间的划分1B2B3BnB1nB2. 全概率公全概率公式式全概率公式全概率公式1211221,()0(1,2, ),( )(|) ()(|) ()(|) ()( ) (|)ninnniiEAEB BBP BinP AP A B P BP A B P BP A BP BP B P A B定义 设为试验 的样本空间为 的事件为的一个划分 且则图
2、示图示A1B2B3B1nBnB证明证明12.nABABAB化整为零化整为零各个击破各个击破12()nAAABBB 1122( )() (|)() (|)() (|)nnP AP B P A BP B P A BP B P A B说明说明 全概率公式的主要用途在于它可以将一个全概率公式的主要用途在于它可以将一个复杂事件的概率计算问题复杂事件的概率计算问题,分解为若干个简单事件分解为若干个简单事件的概率计算问题的概率计算问题,最后应用概率的最后应用概率的可加性可加性求出最终求出最终结果结果.A1B2B3B1nBnB称此为称此为贝叶斯公式贝叶斯公式. 3. 贝叶斯公式贝叶斯公式121,( )0,()
3、0(1,2, ),(/) ()(|),1,2, .(|) ()niiiinjjjEAEB BBP AP BinP A B P BP BAinP A BP B定义设为试验 的样本空间为 的事件为的一个划分 且则证明证明(| ) ()()( )iiiP A B P BP B AP A., 2 , 1ni 1() (|)() (|)iinjjjP B P A BP B P A B条件概率条件概率的概念的概念( )0,()( | )( ).P BP ABP A BP BBAFFF件件概概率率 若( , ,P)是一个概率空间,B,且对任意的A,称 为在事件发生的条件下,事条件 发生的( )0,()()
4、( )() ( ).P AP ABP B A P AP A B P B设则有乘法定理:乘法定理:由以往的数据分析得到由以往的数据分析得到的的概率概率, 叫做叫做先验先验概率概率.而在得到而在得到信息之后再重新加以修正的概率信息之后再重新加以修正的概率 叫做叫做后验概率后验概率.先验概率与后验概率先验概率与后验概率简介 贝叶斯定理 分类算法概念朴素贝叶斯算法 朴素贝叶斯算法原理 朴素贝叶斯算法流程算法实例 购买电脑实例总结 算法优缺点 算法相关扩展l简单的说,贝叶斯定理是基于假设的先验概率简单的说,贝叶斯定理是基于假设的先验概率、给定假设下观察到不同数据的概率,提供了、给定假设下观察到不同数据的
5、概率,提供了一种计算后验概率的方法。一种计算后验概率的方法。l在人工智能领域,贝叶斯方法是一种非常具有在人工智能领域,贝叶斯方法是一种非常具有代表性的不确定性知识表示和推理方法。代表性的不确定性知识表示和推理方法。贝叶斯理论贝叶斯理论贝叶斯定理:贝叶斯定理:lP(A)是A的先验概率或边缘概率。之所以称为“先验”是因为它不考虑任何B方面的因素。lP(A|B)是已知B发生后A的条件概率,也由于得自B的取值而被称作A的后验概率。lP(B|A)是已知A发生后B的条件概率,也由于得自A的取值而被称作B的后验概率。lP(B)是B的先验概率或边缘概率,也作标准化常量(normalized constant)
6、.贝叶斯定理:贝叶斯定理:关于贝叶斯分类:关于贝叶斯分类:对于贝叶斯网络分类器,若某一待分类的样本D,其分类特征值为 ,则样本D 属于类别yi 的概率P( C = yi | X1 = x1 , X2 = x 2 , . , Xn = x n) ,( i = 1 ,2 , . , m) 应满足下式:而由贝叶斯公式:其中,P( C = ci) 可由领域专家的经验得到,而P( X = x | C = ci) 和P( X = x) 的计算则较困难。(/) ()()()jjjP Xx Yy P YyP Yy XxP Xx12x=(x ,x ,.,x )n12P(Y=y) =M AXP(Y=y),P(Y=
展开阅读全文