python贝叶斯分类器_朴素贝叶斯分类器的简单Python实现

作者：繁依Fanyi0 | 2024-08-01 21:07:06

踩

采集了10000个猕猴桃样本数据,每个样本有1000个属性

本文介绍如何使用Python实现一个简易的朴素贝叶斯分类器(Naive Baves classifier)。

贝叶斯公式

我们先简单回顾一下贝叶斯公式：

其中，我们称P(A)和P(B)为先验概率，P(A|B)和P(B|A)为后验概率。

上诉公式可以直接从条件概率公式推导出。根据条件概率的定义，在事件A发生的条件下事件B发生的概率是：

其中，两边同乘P(A)，可得：

同理，在事件B发生的条件下事件A发生的概率是：

将

用

替换，即可得到贝叶斯公式。

朴素贝叶斯分类器的公式

假设某个体有n项特征，分别为

。现有m个分类，分别为

。贝叶斯分类器就是计算出概率最大的那个分类，也就是求下面这个算式的最大值：

其中，

。

由于

对于所有的类别都是相同的，可以省略，问题就变成了求,

朴素贝叶斯假定所有的特征值相互独立，因此：

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&#x

声明：本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：【wpsshop博客】