朴素贝叶斯分类和R语言实现.pptxVIP

朴素贝叶斯分类及R语言实现 数学与科学学院 统计学专业 唐容201721100219朴素贝叶斯的理论基础?朴素贝叶斯模型（Na?ve Bayesian Model，NBC）是一种简单的分类算法，它的经典案例为人所熟知： 文本分类（如垃圾邮件过滤）、在计算机网络中进行入 侵检测或者异常检测、根据一组观察到的症状，诊断身体状况。1、朴素贝叶斯的理论基础 朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法。1.1贝叶斯定理 P(A|B)表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率。其基本求解公式为： 贝叶斯定理便是基于条件概率，通过P（A|B）来求P（B|A）：?顺便提一下，上式中的分母P（A），可以根据全概率公式分解为：朴素贝叶斯的理论基础?1、2特征条件独立假设 给定训练数据集（X,Y），其中每个样本x都能包括n维特征，即标记集合含有k种类别，即。 给定一个新样本x,怎么判断类别？从概率的角度来看，转化为求解后验概率最大的输出那怎么求解？答案就是贝叶斯定理：根据全概率公式，可进一步的分解分母： 公式（1）?先不管分母，分子中的是先验概率，根据训练集就可以简单地计算出来。而条件概率，它的参数规模是指数数量级别的，假设第i维特征可取值的个数有个，类别取值个数为k个，那么参数个数为：针对这个问题，朴素贝叶斯算法对