周志华版《机器学习》第七章 课后习题参考解答.pdfVIP

周志华版《机器学习》第七章贝叶斯分

类器课后习题参考解答

7.1极大似然法估算西瓜数据集3.0前3个属性的类条件概率

前提准备

1.3.04.3173//

数据集定位：西瓜数据集（表）含个样本，前个属性为色泽（青绿乌黑

浅白）、根蒂（蜷缩/稍蜷/硬挺）、敲声（浊响/沉闷/清脆），类别为“好瓜1”（8

“0”9

个样本）、坏瓜（个样本）。

2.极大似然估计原理：对离散属性，类条件概率P(x_ia_{ij}\midc)的极大似然估计等于“类

cia_{ij}”“c”

别中属性取的样本数除以类别的总样本数，即：

P(x_ia_{ij}\midc)\frac{\text{count}(x_ia_{ij},yc)}{\text{count}(yc)}

具体计算（分类别统计）

（1）好瓜类（c1，共8个样本）

属性取值样本计数类条件概率P(x\mid

c1)

色泽青绿33/80.375

乌黑44/80.5

浅白11/80.125

根蒂蜷缩55/80.625

稍蜷33/80.375

硬挺00/80

敲声浊响66/80.75

沉闷22/80.25

清脆00/80

（2）坏瓜类（c0，共9个样本）

属性取值样本计数类条件概率P(x\mid

c0)

色泽青绿22/9\approx0.222

乌黑33/9\approx0.333

浅白44/9\approx0.444

根蒂蜷缩11/9\approx0.111

稍蜷44/9\approx0.444

硬挺44/9\approx0.444

敲声