樸素貝葉斯

一、貝葉斯定理:3d

二、樸素貝葉斯分類器blog

樸素貝葉斯分類的正式定義以下:get

      一、設爲一個待分類項,而每一個a爲x的一個特徵屬性。it

      二、有類別集合im

      三、計算d3

      四、若是,則統計

      那麼如今的關鍵就是如何計算第3步中的各個條件機率。咱們能夠這麼作:圖表

      一、找到一個已知分類的待分類項集合,這個集合叫作訓練樣本集。db

      二、統計獲得在各種別下各個特徵屬性的條件機率估計。即img

      三、若是各個特徵屬性是條件獨立的,則根據貝葉斯定理有以下推導:

      

      由於分母對於全部類別爲常數,由於咱們只要將分子最大化皆可。又由於各特徵屬性是條件獨立的,因此有:

      

  四、P(x) = P(x1)*P(x2)*P(x3)...

      根據上述分析,樸素貝葉斯分類的流程能夠由下圖表示(暫時不考慮驗證):

相關文章
相關標籤/搜索