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
- 樸素貝葉斯法初探
- 樸素貝葉斯和半樸素貝葉斯(AODE)分類器Python實現Python
- 樸素貝葉斯演算法演算法
- 機器學習之樸素貝葉斯分類機器學習
- 機器學習Sklearn系列:(四)樸素貝葉斯機器學習
- 樸素貝葉斯/SVM文字分類文字分類
- 機器學習實戰(三)--樸素貝葉斯機器學習
- 抽象的藝術-樸素貝葉斯抽象
- 機器學習|樸素貝葉斯演算法(一)-貝葉斯簡介及應用機器學習演算法
- 機器學習|樸素貝葉斯演算法(二)-用sklearn實踐貝葉斯機器學習演算法
- 監督學習之樸素貝葉斯
- 分類演算法-樸素貝葉斯演算法
- 04_樸素貝葉斯演算法演算法
- 樸素貝葉斯實現文件分類
- 使用樸素貝葉斯過濾垃圾郵件
- 樸素貝葉斯演算法原理小結演算法
- 樸素貝葉斯分類流程圖介紹流程圖
- 樸素貝葉斯分類器的應用
- [譯] Sklearn 中的樸素貝葉斯分類器
- 機器學習演算法(二): 樸素貝葉斯(Naive Bayes)機器學習演算法AI
- Machine Learning-樸素貝葉斯演算法Mac演算法
- 基於樸素貝葉斯的定位演算法演算法
- [機器學習&資料探勘]樸素貝葉斯數學原理機器學習
- 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
- 樸素貝葉斯演算法的實現與推理演算法
- 樸素貝葉斯分類器的應用(轉載)
- scikit-learn 樸素貝葉斯類庫使用小結
- Python機器學習 — 樸素貝葉斯演算法(Naive Bayes)Python機器學習演算法AI
- 樸素貝葉斯演算法的python實現演算法Python
- 100天搞定機器學習|Day15 樸素貝葉斯機器學習
- 機器學習經典演算法之樸素貝葉斯分類機器學習演算法
- 《統計學習方法》——樸素貝葉斯程式碼實現
- 簡單易懂的樸素貝葉斯分類演算法演算法
- 機器學習筆記之樸素貝葉斯分類演算法機器學習筆記演算法
- 樸素貝葉斯分類演算法(Naive Bayesian classification)演算法AI
- 樸素貝葉斯入門例項之就是這麼簡單
- 詳解樸素貝葉斯的來源,原理以及例項解析