朴素贝叶斯分类及R语言实现课件.pptxVIP

朴素叶斯分及R言数学与科学学院201721100219学唐容

朴素叶斯的理基?

叶斯定理便是基于条件概率，通P（A|B）来求P（B|A）：便提一下，上式中的分母P（A），可以根据全概率公式分解：

朴素叶斯的理基?

?

?

分程如所示：

先概率似然后概率似然

似然表Yes4No167995垃圾件20非垃圾件1805100似然YesNo垃圾件非垃圾件4/201/805/10016/202079/808095/100100

P（Viagra|垃圾件）ⅹP（垃圾件）=（4/20）ⅹ（20/100）=0.04朴素叶斯分：除了Viagra之外，可增加Money、Groceries和Unsubscribe的来改善垃圾件器。似然YesNoYesNoYesNoYesNo垃圾4/20件16/2010/2010/200/2020/2012/208/202080非垃圾1/8079/8014/8066/808/8071/8023/8057/805/9595/10034/10076/1008/10091/10035/10065/100100

Viagra=Yes、Money=No、Groceries=No、Unsubscribe=Yes。垃圾件的条件概率：非垃圾件的条件概率：利用似然表中数据可得垃圾件的似然：非垃圾件的似然：因0.012/0.002=6，所以消息是垃圾件的可能性是非垃圾件可能的6倍，即更有可能是垃圾件。

由于分母被忽掉，所以需在果后除以分母：垃圾件的概率=0.012/（0.012+0.002）=0.857同非垃圾件的概率=0.002/（0.012+0.002）=0.1432、拉普拉斯估将朴素叶斯用于更复的前，有一些微差需要考。假我收到另一条消息，次消息包含所有4个：Viagra、Money、Groceries和Unsubscribe。像之前一使用叶斯算法，我可以如下算垃圾件的似然：（4/20）ⅹ（10/20）ⅹ（0/20）ⅹ（12/20）ⅹ（20/100）=0非垃圾件的似然：（1/80）ⅹ（14/80）ⅹ（8/80）ⅹ（23/80）ⅹ（80/100）=0.00005消息是非垃圾件的概率：0.00005/（0+0.00005）=1些果表明消息是垃圾件的概率0，是非垃圾件的概率100%。

Groceries|groceries=0P00GroceriesGroceriesestimator0拉普拉斯估Laplace——Pierre-SimonLaplce1—

取拉普拉斯：1每个似然函数的分子加上1；每个条件概率分母加上分子中增加1的数。垃圾件的似然：（5/24）ⅹ（11/24）ⅹ（1/24）ⅹ（13/24）ⅹ（20/24）=0.0004非垃圾件的似然：（2/84）ⅹ（15/84）ⅹ（9/84）ⅹ（24/84）ⅹ（80/100）=0.0001表明消息是垃圾件的概率80%，是非垃圾件的概率20%，然，个果比由Groceries独决定的果更合理。接下来看一个例子——基于叶斯算法的手机垃圾短信

第1步：收集数据1、清理和准化文本数据2、将文本档拆分成第2步：探索和准数据3、建立数据集和数据集4、可化文本数据——云5、繁出的建指示特征收第3步：基于数据模型基本步第4步：估模型的性能第5步：提高模型的性能

朴素叶斯算法的缺点、快速、有效缺点依于一个常用的，一的重要性和独立特征能很好地理噪声数据和缺失数据用在含有大量数特征的数据集并不理想需要用来的案例相，概率的估相比儿更同能很好地理大量的案例不可靠很容易得一个的估概率