数据挖掘方法与应用全套教学课件.pptVIP

2. TAN 贝叶斯分类模型评估 图7.36 “分析”节点参数设置 图7.37 TAN 贝叶斯网络模型分析结果 7.5 基于R 语言的应用 本节应用示例的数据集来自于Tiago A. Almeida 等从Grumbletext 网站、新加坡国立大学短信语料库(NSC)、Caroline Tag 博士论文和垃圾短信语料库(v.0.1)收集整理的短信数据集。 7.5.1 数据探索 根据大数定律，当训练集包含足够多的独立同分布样本时，p(C)可通过各类样本出现的频率进行估计，即 (7-5) (7-6) (7-7) (7-8) 2. 朴素贝叶斯分类算法 对于一个新的样本，朴素贝叶斯分类预测其类别的算法如下。 【例7.2】根据表7.2 所示的某保险公司10 位客户购买保险的相关数据，使用朴素贝叶斯方法预测一位新客户(婚姻状态=已婚，年龄=38，性别=女，是否有房=无房)是否会购买此保险。 7.2.2 朴素贝叶斯分类计算示例 1. 由训练数据集建立朴素贝叶斯网络 由某保险公司客户训练数据集建立朴素贝叶斯网络，如图7.6 所示。 2. 由训练数据集计算先验概率与条件概率 根据“购买保险”属性的取值，分为两个类：是和否。它们的先验概率通过训练样本集计算如下 贝叶斯分析预测所需的类条件概率计算如下 3. 计算联合条件概率 假设输入变量条件独立，新客户X(婚姻状态=已婚，年龄=38，性别=女，是否有房