贝叶斯分类法与其它.pptx

贝叶斯分类法;信用卡欺诈;问题一;问题二;定理 设A1，…, An是S的一个划分，且P(Ai) 0，(i＝1，…，n)，则对任何事件B?S，有 ;贝叶斯分类法; 使用贝叶斯定理对所有的C值计算概率P(C | A1, A2, …, An) 选择C* 使得  P(A1, A2, …, An|C *) P(C *) 最大 如何估计P(A1, A2, …, An | C * )?;贝叶斯分类法;税号;税号;税号;估计概率—连续变量;估计概率;P(X|逃税=否) = P(去年退税=否|逃税=否) ? P(婚姻中| 逃税=否) ? P(收入=120K| 逃税=否) = 4/7 ? 4/7 ? 0.0072 = 0.0024 P(X|逃税=是) = P(去年退税=否| 逃税=是) ? P(婚姻中| 逃税=是) ? P(收入=120K| 逃税=是) = 1 ? 0 ? 1.2 ? 10-9 = 0 因为： P(X|否)P(否) P(X|是)P(是) 所以： P(否|X) P(是|X) = 逃税 = 否;1.简单贝叶斯分类法的分类模型是什么？ 2. 如果测试数据集（或者要分类的新记录）中某属性的取值xi在样本中某类yj对应的观测中未曾出现，则p（xi|yj）为零，可能造成无法分类的现象（例如：属性组对每个分类的后验概率均为零）或分类不准确的情况（可能其它属性的概率很大，但被0概率相乘掩盖），该如何处理？ ;条件概率的修正;作业案例;诊断疾病分类： G1：大脑前、中动脉支配区域的出血与下丘脑出血 G2：小脑出血与蛛网膜下腔出血 G3：大脑中动脉支配区域的栓塞 某患者出现的症状为S1，S3，S4，S5，而S2和S6症状没有出现，他最可能属于上述哪种疾病？;;;计算患者分属三类疾病的概率： LG1＝0.83×(1-0.08)×0.54×0.83×0.79×(1-0.01)=0.27 LG2＝0.83×(1-0.01) ×0.17×0.33×0.83×（1-0.01）=0.04 LG3＝0.29×(1-0.18) ×0.01×0.99×0.24×（1-0.35）=0.0005 比较上面三个似然函数的大小，最大函数为LG1，因而可以判断患者所得的病名属于G1类：大脑前、中动脉支配区域出血。 上述判断是否存在漏洞？;其它分类方法;讨论