大数据技术在会计与财务中的应用 课件 3.5 朴素贝叶斯、k近邻与决策树.pptxVIP

大数据技术在会计与财务中的应用

作者：张敏等

2026/9/7

《大数据技术在会计与财务中的应用》配套课件

第3章·3.5朴素贝叶斯、K近邻与决策树

目录

3.5.1朴素贝叶斯

3.5.2k近邻

3.5.3决策树

3.5朴素贝叶斯、k近邻与决策树

3.5朴素贝叶斯、K近邻与决策树|02/29

朴素贝叶斯

朴素贝叶斯（NaiveBayes）是会计学研究中常见的机器学习算法之一。Li（2010）使用朴素贝叶斯分类器探讨管理讨论和分析部分（MDA）中前瞻性声明的信息含量。Ryans（2020）则运用朴素贝叶斯文本分类方法，将问询函划分为重述问询函和非重述问询函、减值问询函和非减值问询函等几种类型。

朴素贝叶斯是一种基于贝叶斯定理和特征条件独立假设的分类算法。朴素贝叶斯算法的原理是贝叶斯定理。该定理描述了在已知某些条件下，事件的发生概率。通俗来说，朴素贝叶斯在预测时考虑了各种可能性，并根据这些可能性的概率来预测新数据的分类。

3.5朴素贝叶斯、K近邻与决策树|03/29

朴素贝叶斯

2026/9/7

《大数据技术在会计与财务中的应用》配套课件

假设有一个样本x，其中包含n个特征。现在我们要将该样本分到k个类别中的某一个。朴素贝叶斯算法的主要思想是根据训练数据集，计算出每个类别的先验概率，以及每个特征在各个类别中的条件概率。然后，根据贝叶斯定理，