02-机器学习_第2天(贝叶斯分类算法与应用).docx

机器学习算法 day02_ 贝叶斯分类算法及应用 课程大纲 朴素贝叶斯算法原理 朴素贝叶斯算法案例 1 朴素贝叶斯算法案例 2 Bayes 算法概述 Bayes 算法思想 Bayes 算法要点 需求 Python 实现 需求 Python 实现 课程目标： 1、理解朴素贝叶斯算法的核心思想 2、理解朴素贝叶斯算法的代码实现 3、掌握朴素贝叶斯算法的应用步骤：数据处理、建模、运算和结果判定 1. 朴素贝叶斯分类算法原理 1.1 概述 贝叶斯分类算法是一大类分类算法的总称 贝叶斯分类算法以样本可能属于某类的概率来作为分类依据 朴素贝叶斯分类算法是贝叶斯分类算法中最简单的一种 注：朴素的意思是条 注：朴素的意思是条件概率独立性 1.2 算法思想 朴素贝叶斯的思想是这样的： 如果一个事物在一些属性条件发生的情况下，事物属于 A 的概率属于 B 的概率，则判 定事物属于 A 通俗来说比如， 你在街上看到一个黑人， 我让你猜这哥们哪里来的，你十有八九猜非洲。为 什么呢？ 在你的脑海中，有这么一个判断流程： 1、这个人的肤色是黑色 特征 2、非洲人中黑色人种概率最高 已知的是条件概率： p(黑色|非洲人) 而用于判断的标准是： P(非洲人|黑色) 3、没有其他辅助信息的情况下，最好的判断就是非洲人 这就是朴素贝叶斯的思想基础。 再扩展一下，假如某条街上，有 100 人，其中有 50