- 1、本文档共18页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
机器学习
北京联合大学机器人学院
《人工智能概论》课程团队
朴素贝叶斯方法
讲解:彭涛
贝叶斯定理
贝叶斯 (Thomas Bayes ,1701—1761) ,英国牧师、
业余数学家。
在《论机会学说中一个问题的求解》中给出了贝
叶斯定理。
贝叶斯公式
|
P A P B A
P B A
,
P A |B
P A | B
P B
P B
解决了两个事件条件概率的转换问题
先验概率 :由以往的数据分析得到的概率
后验概率 :得到“结果”的信息后重新修正的概率
贝叶斯定理是基于假设的先验概率、给定假设下观
察到不同数据的概率,提供了一种计算后验概率的
方法。
在人工智能领域,贝叶斯方法是一种非常具有代表
性的不确定性知识表示和推理方法。
贝叶斯公式
P(A) 是A 的先验概率 (边缘概率)
P(B) 是B 的先验概率 (边缘概率)
P(A|B) 是已知 B 发生后 A 的条件概率,由于
得自B的取值而被称为A的后验概率
P(B|A) 是已知 A 发生后 B 的条件概率,由于
得自A 的取值而被称为B的后验概率
贝叶斯公式
条件概率
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。
求解公式:
P AB
P A | B
P B
贝叶斯公式
P AB P A | B P B
P B | A
P A P A
贝叶斯公式
P AB P A | B P B
P B | A
P A P A
考虑使用贝叶斯公式来进行文本分类
A :文本的内容,近似等价于文本包含的词的集合
B :文本的类别
(|) :根据文本的内容来判断文本的类别
找出各类别概率的最大值
(|) :已知类别的文本中词出现的概率
() : 词的先验概率(与文本类
文档评论(0)