朴素贝叶斯算法

网友投稿 1029 2022-08-25

朴素贝叶斯算法

朴素贝叶斯算法

最为广泛的两种分类模型是 ​​决策树模型(Decision Tree Model)​​​ 和 ​​朴素贝叶斯模型(Naive Bayesian Model,NBM)​​。

朴素贝叶斯算法思路

朴素贝叶斯法是基于 ​​贝叶斯定理与特征条件独立假设​​​ 的分类方法,按照以前 ​​决策树​​ 的数据,利用朴素贝叶斯进行分类:

假设存在如下一组信息:

天气

气温

湿度


外出

晴朗

高温


无风

no

晴朗

高温


有风

no

多云

高温


无风

yes

下雨

温暖


无风

yes

下雨

寒冷

正常

无风

yes

下雨

寒冷

正常

有风

no

多云

寒冷

正常

有风

yes

晴朗

温暖


无风

no

晴朗

寒冷

正常

无风

yes

下雨

温暖

正常

无风

yes

晴朗

温暖

正常

有风

yes

多云

温暖


有风

yes

多云

高温

正常

无风

yes

下雨

温暖


有风

no

将上面的表格整理一下如下:

天气

yes

no

气温

yes

no

湿度

yes

no


yes

no

外出

yes

no

晴朗

2

3

高温

2

2


3

4

无风

6

2

外出

9

5

多云

4

0

温暖

4

2

正常

6

1

有风

3

3

下雨

3

2

寒冷

3

1

假设所有的变量都是 ​​独立的​​ ,那么在以下天气中是否该外出:

evidence = ['晴朗', '寒冷', '高', '有风']

将上述事件记为 ​​E​​​ , ​​E = [E1, E2, E3, E4]​​ , 当A、B相互独立时,由:

得贝叶斯定理:

得:

又因为4个指标是相互独立的,所以:

带入计算得到:

P(yes|E)*P(E)=2/9×3/9×3/9×3/9×9/14=0.0053P(no|E)*P(E)=3/5×1/5×4/5×3/5×5/14=0.0206

​​外出概率:0.005291005291005291,不外出概率:0.02057142857142857,不适合外出!​​

朴素贝叶斯算法代码

朴素贝叶斯最重要的是构造 ​​训练样本​​ ,将表:

天气

yes

no

气温

yes

no

湿度

yes

no


yes

no

外出

yes

no

晴朗

2

3

高温

2

2


3

4

无风

6

2

外出

9

5

多云

4

0

温暖

4

2

正常

6

1

有风

3

3

下雨

3

2

寒冷

3

1

转化为字典:

newcondition = {'高温': {'no': 0.4, 'yes': 0.2222222222222222}, '高': {'no': 0.8, 'yes': 0.3333333333333333}, '有风': {'no': 0.6, 'yes': 0.3333333333333333}, '温暖': {'no': 0.4, 'yes': 0.4444444444444444}, '多云': {'yes': 0.4444444444444444}, '寒冷': {'no': 0.2, 'yes': 0.3333333333333333}, '正常': {'no': 0.2, 'yes': 0.6666666666666666}, '下雨': {'no': 0.4, 'yes': 0.3333333333333333}, '无风': {'no': 0.4, 'yes': 0.6666666666666666}, '晴朗': {'no': 0.6, 'yes': 0.2222222222222222}}newresult = {'no': 0.35714285714285715, 'yes': 0.6428571428571429}

最后相乘计算出概率即可:

# 判断是否外出def judgeresult(newcondition, newresult, weather): yesresult = 1 noresult = 1 for item in weather: # 外出的概率 yesresult = yesresult * newcondition[item]["yes"] noresult = noresult * newcondition[item]["no"] yesresult = yesresult * newresult["yes"] noresult = noresult * newresult["no"] if yesresult >= noresult: print("外出概率:" + str(yesresult) + ",不外出概率:" + str(noresult) + ",适合外出!") else: print("外出概率:" + str(yesresult) + ",不外出概率:" + str(noresult) + ",不适合外出!")

最终结果为:

外出概率:0.005291005291005291,不外出概率:0.02057142857142857,不适合外出!

python的完成代码在我的博客上面:

​​TTyb​​

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:筛法求素数质数
下一篇:hadoop分布式搭建
相关文章

 发表评论

暂时没有评论,来抢沙发吧~