第七章86课件讲解.pptxVIP

第七章汇报人：人工智能专业使用朴素贝叶斯算法训练分类器

朴素贝叶斯概率基础PARTONE

3 朴素贝叶斯算法朴素贝叶斯算法(naiveBayesianalgorithm)是应用最为广泛的分类算法之一。朴素贝叶斯算法在贝叶斯算法的基础上进行了相应的简化，即假定给定目标值时属性之间相互条件独立。也就是说，没有哪个属性变量对决策结果占有较大的比重，也没有哪个属性变量对决策结果占有较小的比重。这个简化方式虽然在一定程度上降低了贝叶斯算法的分类效果，但是在实际的应用场景中，极大地简化了贝叶斯算法的复杂性。7.1朴素贝叶斯算法的基本原理

4朴素贝叶斯算法的基础是贝叶斯算法。贝叶斯算法最初是一种研究不确定性的推理方法，不确定性常用贝叶斯概率表示。贝叶斯概率先通过已给定的训练集，以特征词之间独立作为前提假设，学习从输入到输出的联合概率分布，再基于学习到的模型，输入X求出使得后验概率最大的输出Y。例如，假设1班和2班即将进行一场拔河比赛，不同人对胜负的主观预测可能不同，但基本都会根据两班以前的比赛战况进行预测，那么两班以前的比赛战况就是一种先验知识。如果两班以前的比赛胜负次数是9∶1，那么贝叶斯概率就认为1班获胜的概率是0.9。如果又获取到另一个先验知识，1班有两名主力因受伤不能参加，则贝叶斯概率可能认为1班获胜的概率是0.8。可见，虽然是一种主观概率，但贝叶斯概率按照相关先验知识对事件进行推理是一种合理的方法。7.1朴素贝叶斯算法的基本原理

5在一个空间中，事件A发生的概率用表示；在事件A发生的条件下，事件B发生的概率用表示。那么，就是先验概率（priorprobability），则称作事件B的后验概率（posteriorprobability）。后验概率的计算公式为7.1.1先验概率和后验概率

猫狗分类分类任务二分类任务，猫狗分类模型预测50%50%7.1.1先验概率和后验概率

猫狗分类模型预测60%40%训练数据集（1000）：猫（600），狗（400）先验概率二分类任务，猫狗分类分类任务7.1.1先验概率和后验概率

猫狗分类二分类任务，猫狗分类模型预测90%20%训练数据集（1000）：猫（600），狗（400）待测样本特征：喵喵叫后验概率分类任务7.1.1先验概率和后验概率

猫狗分类分类任务先验概率后验概率P(猫|喵喵叫)=0.9，P(狗|喵喵叫)=0.2P(猫)=0.6，P(狗)=0.4P(C1)=0.6，P(C2)=0.4P(C1|x)=0.9，P(C2|x)=0.27.1.1先验概率和后验概率

朴素贝叶斯算法的基本原理先验概率和后验概率课堂小结

THANKSFORYOURWATCHING汇报人：人工智能专业感谢观看