chapter6:概率及樸素貝葉斯--樸素貝葉斯
利用近鄰演算法,很難量化分類的置信度。而基於概率的分類演算法---貝葉斯演算法卻不僅能夠分類而且能夠給出分類的概率,比如這個運動員80%的概率是一名籃球運動員
P(h)稱為h的先驗概率prior probability
P(h | d)稱為h的後驗概率posterior probability
一、貝葉斯定理
二、樸素貝葉斯
iHealth公司的i100 i500兩款產品,
iHealth100:心率、GPS、WiFi
iHealth500:在i100的基礎上新增了血氧飽和度和到iHealth網站的免費3G連線
iHealth公司僱我們構建一個面對顧客的產品推薦系統。為獲得資料來構建系統,顧客購買時會讓顧客填寫一張問卷調查表。問卷中的每個問題都與某個屬性有關
問題:如果某人的主要興趣是健康、當前鍛鍊級別適中、動機中等,那麼利用樸素貝葉斯方法會推薦哪款產品給他?
def classify(self, itemVector):
"""Return class we think item Vector is in"""
results = []
for (category, prior) in self.prior.items():
prob = prior
col = 1
for attrValue in itemVector:
if not attrValue in self.conditional[category][col]:
# we did not find any instances of this attribute value
# occurring with this category so prob = 0
prob = 0
else:
prob = prob * self.conditional[category][col][attrValue]
col += 1
results.append((prob, category))
# return the category with the highest probability
return(max(results)[1])
三、國會投票記錄資料集
http://archive.ics.uci.edu/ml/index.html的機器學習資源庫下載
概率估計
相關文章
- 樸素貝葉斯模型模型
- ML-樸素貝葉斯
- 樸素貝葉斯分類
- 樸素貝葉斯和半樸素貝葉斯(AODE)分類器Python實現Python
- 樸素貝葉斯與Laplace平滑
- 樸素貝葉斯演算法演算法
- 樸素貝葉斯—印第安人
- 樸素貝葉斯/SVM文字分類文字分類
- 分類演算法-樸素貝葉斯演算法
- 監督學習之樸素貝葉斯
- 樸素貝葉斯實現文件分類
- 04_樸素貝葉斯演算法演算法
- 樸素貝葉斯分類流程圖介紹流程圖
- 使用樸素貝葉斯過濾垃圾郵件
- Sklearn中的樸素貝葉斯分類器`
- 樸素貝葉斯--新浪新聞分類例項
- 機器學習之樸素貝葉斯分類機器學習
- [譯] Sklearn 中的樸素貝葉斯分類器
- HanLP-樸素貝葉斯分類預測缺陷HanLP
- 機器學習Sklearn系列:(四)樸素貝葉斯機器學習
- (實戰)樸素貝葉斯實現垃圾分類_201121
- 樸素貝葉斯演算法的實現與推理演算法
- 簡單易懂的樸素貝葉斯分類演算法演算法
- 《統計學習方法》——樸素貝葉斯程式碼實現
- 概率分類之樸素貝葉斯分類(垃圾郵件分類python實現)Python
- 樸素貝葉斯入門例項之就是這麼簡單
- Python機器學習 — 樸素貝葉斯演算法(Naive Bayes)Python機器學習演算法AI
- 100天搞定機器學習|Day15 樸素貝葉斯機器學習
- 資料探勘從入門到放棄(三):樸素貝葉斯
- 詳解樸素貝葉斯的來源,原理以及例項解析
- Python機器學習筆記:樸素貝葉斯演算法Python機器學習筆記演算法
- 有監督學習——支援向量機、樸素貝葉斯分類
- 機器學習演算法(二): 樸素貝葉斯(Naive Bayes)機器學習演算法AI
- 樸素貝葉斯分類和預測演算法的原理及實現演算法
- 第7章 基於樸素貝葉斯的垃圾郵件分類
- 樸素貝葉斯深度解碼:從原理到深度學習應用深度學習
- 樸素貝葉斯:幫助AI產品經理“小步快跑,快速迭代”AI
- 樸素貝葉斯分類-實戰篇-如何進行文字分類文字分類
- 高階人工智慧系列(一)——貝葉斯網路、機率推理和樸素貝葉斯網路分類器人工智慧