Python工程应用—机器学习方法与实践第5章朴素贝叶斯.pptxVIP

第一章 概论西华大学机器学习第五章 朴素贝叶斯XXX学校XXX2022 目录Contents模型介绍社区留言板文本分类旧金山犯罪分类预测 知识引入3序号症状职业疾病1打喷嚏护士感冒2打喷嚏农夫过敏3头疼建筑工人脑震荡4头疼建筑工人感冒5打喷嚏教师感冒6头疼教师脑震荡某个医院早上收了六个门诊病人，这六个病人的症状和最终诊断的疾病如下表所示：现在又来了一个打喷嚏的建筑工人，请问他有可能患上了什么疾病？ 本章知识图谱4 模型介绍一 1.1 贝叶斯决策理论基础6朴素贝叶斯的理论基础是概率与条件概率。1、概率 概率有很多种定义，简言之就是表征随机事件发生可能性大小的量，是事件本身所固有的、不随人的主观意愿而改变的一种属性。事件A发生的概率通常记为P(A)。2、条件概率 条件概率就是在另外一个事件B已经发生的条件下，事件A发生的概率，表示为P(A|B)，读作“在B条件下A的概率”。条件概率可由下式计算： 1.1 贝叶斯决策理论基础73、先验概率和后验概率 先验概率是在缺乏某个事实的情况下描述一个事件发生的可能性，而后验概率是在考虑了一个事实之后的条件概率。 4、全概率公式 概率论中经常要从已知的简单事件的概率去求未知的复杂事件的概率，即将复杂事件分解为若干个简单事件，通过这些简单事件的概率来求复杂事件的概率。形成定理就是经常用到的全概率公式。 1.1