性别预测--再谈贝叶斯.pdfVIP

性别预测--再谈贝叶斯 作者：alert or einyboy 摘要：贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理 为基础，故统称为贝叶斯分类。本文通过对男，女姓名集进行训练， 利用贝叶斯分类器实现对给定姓名的姓名识别。 一、 问题提出 请问“张飞、赵云、关羽”是男是女的？“西施、貂蝉、王昭君、杨玉环” 是男是女呢？我想有点文化的人都知道上面的答案。那么“张靓、林勇、 林兰”的性别呢？显然多数人会是下面的答案： 张靓、木兰是女性。 林勇是男性。 人得出上面的答案并不用思考太久，这是一种普通共识行为。 那给计算机一个人的姓名，计算机能不能回答出这个人的性别呢？ 二、 问题数学模型化 对于“那给计算机一个人的姓名，计算机能不能回答出这个人的性别呢？ ”这样的问题我们先符号化，用 N 表示姓名，S 表示性别,M 代表男，F 代 表女。那么数学化为求下列两个条件概率的可能性: P(S=M|Name) = ? P(S=F|N) = ? 那么这个人的性别为上面概率最大的一个。 怎么计算上面的概率呢？由贝叶斯定理得: ( | ) P N S = M P(S = M) ( | ) P S = M N = ( | ) ( ) ( | ) P N S = M P S = M + P N S = F P(S = F) ( | ) P N S = F P(S = F) ( | ) P S = F N = ( | ) ( ) ( | ) P N S = M P S = M + P N S = F P(S = F) P(S=M|N),P(S=F|N)称为后验概率. 通过姓名训练集可以计算出下面的概率: P(N|S=M),P(N|S=F),P(S=M),P(S=F) 该名字出现在男姓名中的个数 ( | ) P N S = M = 男性姓名个数 该名字出现在女姓名中的个数 ( | ) P N S = F = 女性姓名个数 P(S=M)=