贝叶斯分类器 讲课.pptVIP

分类分析 分类分析主要解决的问题是利用训练样本集获得分类函数或分类模型。分类模型能很好的拟合训练样本集中属性集与类别之间的关系，也可以预测一个新样本属于哪一类 分类：贝叶斯分类器 决策树 支持向量机 优劣分析 优点：简单高效 缺点：要求严格的条件独立假设，对于属性相关的分类问题，效果不理想（方案:贝叶斯网络） 缺点：朴素贝叶斯在大多数情况下不能对类概率做出非常准确的估计 P(X)=P（购买汽车=是）*P（家庭情况=一般|购买汽车=是）*P（信用级别=优秀|购买汽车=是）*P（月收入=12K|购买汽车=是）+P（购买汽车=否）*P（家庭情况=一般|购买汽车=否）*P（信用级别=优秀|购买汽车=否）*P（月收入=12K|购买汽车=否） =7/10*4/7*4/7*1/7+3/10*1*0*0=0.03265 P(X=（一般，优秀，12k）|Y=是)=P（家庭情况=一般|购买汽车=是）*P（信用级别=优秀|购买汽车=是）*P（月收入=12K|购买汽车=是）=4/7*4/7*1/7=0.04664 P(Y=是)=7/10 P(Y=是|X=（一般，优秀，12k）) =P(Y)*P(X|Y)/P(X) =7/10*0.04664/0.03265 =1 贝叶斯分类器 聚类分析不知道数据点的类别标签，需要自己自动分出来来，简单说就是一堆东西混到一