CH07 数据挖掘建模方法与应用--概述、关联与分类.ppt

CH07 数据挖掘建模方法与应用--概述、关联与分类.ppt

  1. 1、本文档共83页,可阅读全部内容。
  2. 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. 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. 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

(4)朴素贝叶斯算法朴素贝叶斯算法基于各属性之间相互独立以及连续属性的条件概率服从正态分布两个假设。这样:如果属性Ak是分类属性,则:,其中是D中Ak的值为xk的Ci类的样本个数,是D中属于Ci类的样本个数。如果属性Ak是连续属性,假设服从正态分布。该分布有两个参数,均值和方差,类别Ci下属性xk的类条件概率近似为:其中和分别是数据集中属于类的样本属性Ak的平均值和方差。零条件概率问题的处理以表中顾客购买电脑的数据为例,使用贝叶斯算法预测未知样本X={32,Medium,No,Fair,?}是否购买电脑。朴素贝叶斯方法的计算实例No.Age/年龄Income/收入Student/学生CreditRate/信用度BuyComputer/购买电脑132HighNoFairno230HighNoExcellentno351HighNoFairyes460MediumNoFairyes564LowYesFairyes663LowYesExcellentno749LowYesExcellentyes829MediumNoFairno928LowYesFairyes1061MediumNoFairyes1133MediumYesExcellentyes1249MediumNoExcellentyes1347HighNoFairyes1462MediumNoExcellentno解答:第一步:问题等价于:求:样本X购买电脑为yes的后验概率P(购买电脑=yes|X);样本X购买电脑为no的后验概率P(购买电脑=no|X);样本X将被预测为概率值大的那个类。根据贝叶斯定理:P(购买电脑=yes|X)=P(X|购买电脑=yes)×P(购买电脑=yes)=P(x1|购买电脑=yes)×P(x2|购买电脑=yes)×P(x3|购买电脑=yes)×P(x4|购买电脑=yes)×P(购买电脑=yes)先计算P(x1|购买电脑=yes):数据集中购买电脑为yes的样本中,属性年龄的值的平均值,样本方差:P(x1|购买电脑=yes)=P(年龄=32|购买电脑=yes);计算P(x2|购买电脑=yes):P(x2|购买电脑=yes)=P(收入=Medium|购买电脑=yes)=4/9;计算P(x3|购买电脑=yes):P(x3|购买电脑=yes)=P(学生=No|购买电脑=yes)=5/9;计算P(x4|购买电脑=yes):P(x4|购买电脑=yes)=P(信用度=Fair|购买电脑=yes)=6/9;因此P(购买电脑=yes|X)=0.021×4/9×5/9×6/9×9/14=0.0022;以表中顾客购买电脑的数据为例,使用贝叶斯算法预测未知样本X={32,Medium,No,Fair,?}是否购买电脑。朴素贝叶斯方法的计算实例No.Age/年龄Income/收入Student/学生CreditRate/信用度BuyComputer/购买电脑132HighNoFairno230HighNoExcellentno351HighNoFairyes460MediumNoFairyes564LowYesFairyes663LowYesExcellentno749LowYesExcellentyes829MediumNoFairno928LowYesFairyes1061MediumNoFairyes1133MediumYesExcellentyes1249MediumNoExcellentyes1347HighNoFairyes1462MediumNoExcellentno同样方法,计算:P(购买电脑=no|X)=P(X|购买电脑=no)×P(购买电脑=no)=P(x1|购买电脑=no)×P(x2|购买电脑=no)×P(x3|购买电脑=no)×P(x4|购买电脑=no)×P(购买电脑=no)先计算P(x1|购买电脑=yes):数据集中购买电脑为no的样本中,属性年龄的值的平均值,样本方差:P(x3|购买电脑=no)=P(年龄=32|购买电脑=no)计算P(x2|购买电脑=

文档评论(0)

147****3722 + 关注
实名认证
内容提供者

四级网络工程师持证人

该用户很懒,什么也没介绍

版权声明书
用户编号:8020025053000005
领域认证该用户于2023年09月02日上传了四级网络工程师

1亿VIP精品文档

相关文档