机器学习及其应用：贝叶斯分类器PPT教学课件.pptxVIP

第六章贝叶斯分类器

目录贝叶斯决策6.1朴素贝叶斯分类器6.2正态贝叶斯分类器6.3CONTENTS贝叶斯分类器是一种概率模型，它用贝叶斯公式解决分类问题。如果样本的特征向量服从某种概率分布，则可以计算特征向量属于一个类的条件概率，条件概率最大的类为分类结果。如果假设特征向量各个分量之间相互独立，则为朴素贝叶斯分类器；如果假设特征向量服从多维正态分布，则为正态贝叶斯分类器。贝叶斯分类器案例6.4

贝叶斯决策6.1

贝叶斯决策贝叶斯公式描述了两个相关的随机事件或随机变量之间的概率关系。贝叶斯分类器使用贝叶斯公式计算样本属于某一类的条件概率值，并将样本判定为概率值最大的那个类。条件概率描述两个有因果关系的随机事件之间的概率关系，p（b|a）定义为在事件a发生的前提下事件b发生的概率。贝叶斯公式阐明了两个随机事件之间的概率关系：?这一结论可以推广到随机变量。分类问题中样本的特征向量取值x与样本所属类型y具有因果关系。因为样本属于类型y，所以具有特征值x。如果我们要区分男性和女性，选用的特征为脚的尺寸和身高。一般情况下男性的脚比女性的大，身高更高，因为一个人是男性，才具有这样的特征。分类器要做的则相反，是在已知样本的特征向量为x的条件下反推样本所属的类别。根据贝叶斯公式有：?

贝叶斯决策只要知道特征向量的概率分布p（x），每一类出现的概率p（y），以及每一类样本的条件概率p（x|y），