版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
貝葉斯算法
201901貝葉斯定理的含義02樸素貝葉斯分類03貝葉斯算法的應(yīng)用Contents目錄貝葉斯定理的含義01標(biāo)題文本預(yù)設(shè)貝葉斯定理貝葉斯(ThomasBayes,1702-1761)出生于倫敦,畢業(yè)于愛丁堡大學(xué),英國(guó)數(shù)學(xué)家。貝葉斯做過(guò)神甫。1742年成為英國(guó)皇家學(xué)會(huì)會(huì)員。1761年4月7日逝世。貝葉斯在數(shù)學(xué)方面主要研究概率論。他首先將歸納推理法用于概率論基礎(chǔ)理論,并創(chuàng)立了貝葉斯統(tǒng)計(jì)理論,對(duì)于統(tǒng)計(jì)決策函數(shù)、統(tǒng)計(jì)推斷、統(tǒng)計(jì)的估算等做出了貢獻(xiàn)。標(biāo)題文本預(yù)設(shè)標(biāo)題文本預(yù)設(shè)文本預(yù)設(shè)標(biāo)題文本預(yù)設(shè)文本預(yù)設(shè)標(biāo)題文本預(yù)設(shè)文本預(yù)設(shè)標(biāo)題文本預(yù)設(shè)文本預(yù)設(shè)文本預(yù)設(shè)貝葉斯公式的推導(dǎo)Step1Step2Step3Step4標(biāo)題文本預(yù)設(shè)標(biāo)題文本預(yù)設(shè)標(biāo)題文本預(yù)設(shè)文本預(yù)設(shè)標(biāo)題文本預(yù)設(shè)文本預(yù)設(shè)標(biāo)題文本預(yù)設(shè)文本預(yù)設(shè)文本預(yù)設(shè)貝葉斯定理
貝葉斯定理實(shí)際上就是計(jì)算”條件概率“的公式。所謂”條件概率”就是指在事件B發(fā)生的情況下,事件A發(fā)生的概率,用P(A|B)來(lái)表示。Bayes定理可表述為:后驗(yàn)概率=(相似度*先驗(yàn)概率)/標(biāo)準(zhǔn)化常量,也就是說(shuō),后驗(yàn)概率與先驗(yàn)概率和相似度的乘積成正比。P(A|B)是在B發(fā)生的情況下A發(fā)生的可能性。首先,事件B發(fā)生之前,我們對(duì)事件A的發(fā)生有一個(gè)基本的概率判斷,稱為A的先驗(yàn)概率,用P(A)表示;其次,事件B發(fā)生之后,我們對(duì)事件A的發(fā)生概率重新評(píng)估,稱為A的后驗(yàn)概率,用P(A|B)表示類似的,事件A發(fā)生之前,我們對(duì)事件B的發(fā)生有一個(gè)基本的概率判斷,稱為B的先驗(yàn)概率,用P(B)表示;同樣,事件A發(fā)生之后,我們對(duì)事件B的發(fā)生概率重新評(píng)估,稱為B的后驗(yàn)概率,用P(B|A)表示;全概率公式假定樣本空間S,是兩個(gè)事件A和A’的和。
圖中,紅色部分是事件A,綠色部分是事件A’,它們共同構(gòu)成了樣本空間S。
這種情況下,事件B可以劃分為兩個(gè)部分。全概率公式由上可以推斷出:
在上一節(jié)的推導(dǎo)當(dāng)中,我們已知:所以全概率公式為:條件概率的另一種寫法:貝葉斯推斷對(duì)條件概率公式進(jìn)行變形,可以得到如下形式:1:如果”可能性函數(shù)“P(B|A)/P(B)>1,意味著”先驗(yàn)概率“增強(qiáng),事件A的發(fā)生的可能性變大;2:如果”可能性函數(shù)“P(B|A)/P(B)=1,意味著B事件無(wú)助于事件A的可能性;3:如果”可能性函數(shù)“P(B|A)/P(B)<1,意味著”先驗(yàn)概率“被消弱,事件A發(fā)生的可能性變小。
所以,條件概率可以理解為下面的式子:樸素貝葉斯分類02標(biāo)題文本預(yù)設(shè)此部分內(nèi)容作為文字排版占位顯示
(建議使用主題字體)樸素貝葉斯算法
樸素貝葉斯分類是一種十分簡(jiǎn)單的分類算法,叫它樸素貝葉斯分類是因?yàn)檫@種方法的思想真的很樸素,樸素貝葉斯的思想基礎(chǔ)是這樣的:對(duì)于給出的待分類項(xiàng),求解在此項(xiàng)出現(xiàn)的條件下各個(gè)類別出現(xiàn)的概率,哪個(gè)最大,就認(rèn)為此待分類項(xiàng)屬于哪個(gè)類別。樸素貝葉斯分類器采用了屬性條件獨(dú)立性假設(shè):對(duì)已知類別,假設(shè)所有屬性相互獨(dú)立。換言之,假設(shè)每個(gè)屬性獨(dú)立的對(duì)分類結(jié)果發(fā)生影響基于屬性獨(dú)立性假設(shè),貝葉斯公式可重寫為:03040102樸素貝葉斯分類樸素貝葉斯分類的正式定義如下:設(shè)
為一個(gè)待分類項(xiàng),而每個(gè)a為x的一個(gè)特征屬性。
有類別集合
計(jì)算
如果
010203找到一個(gè)已知分類的待分類項(xiàng)集合,這個(gè)集合叫做訓(xùn)練樣本集統(tǒng)計(jì)得到在各類別下各個(gè)特征屬性的條件概率估計(jì)。即如果各個(gè)特征屬性是條件獨(dú)立的,則根據(jù)貝葉斯定理有如下推導(dǎo):
因?yàn)榉帜笇?duì)于所有類別為常數(shù),我們只要將分子最大化皆可。又因?yàn)楦魈卣鲗傩允菞l件獨(dú)立的,所以有:樸素貝葉斯分類流程樸素貝葉斯分類流程第一階段——準(zhǔn)備工作階段,這個(gè)階段的任務(wù)是為樸素貝葉斯分類做必要的準(zhǔn)備,主要工作是根據(jù)具體情況確定特征屬性,并對(duì)每個(gè)特征屬性進(jìn)行適當(dāng)劃分,然后由人工對(duì)一部分待分類項(xiàng)進(jìn)行分類,形成訓(xùn)練樣本集合。
第二階段——分類器訓(xùn)練階段,這個(gè)階段的任務(wù)就是生成分類器,主要工作是計(jì)算每個(gè)類別在訓(xùn)練樣本中的出現(xiàn)頻率及每個(gè)特征屬性劃分對(duì)每個(gè)類別的條件概率估計(jì),并將結(jié)果記錄。
第三階段——應(yīng)用階段。這個(gè)階段的任務(wù)是使用分類器對(duì)待分類項(xiàng)進(jìn)行分類,其輸入是分類器和待分類項(xiàng),輸出是待分類項(xiàng)與類別的映射關(guān)系。這一階段也是機(jī)械性階段,由程序完成。貝葉斯算法的應(yīng)用03030406貝葉斯公式的應(yīng)用張某為了解自己患上了X疾病的可能性,去醫(yī)院作常規(guī)血液檢查。其結(jié)果居然為陽(yáng)性,他趕忙到網(wǎng)上查詢。根據(jù)網(wǎng)上的資料,血液檢查實(shí)驗(yàn)是有誤差的,這種實(shí)驗(yàn)有“1%的假陽(yáng)性率和1%的假陰性率”(真的患病者得到陰性結(jié)果稱為假陰性,未患病的人得到陽(yáng)性結(jié)果稱為假陽(yáng)性)。即在得病的人中做實(shí)驗(yàn),有1%的概率是假陰性,99%是真陽(yáng)性。而在未得病的人中做實(shí)驗(yàn),有1%的概率是假陽(yáng)性,99%是真陰性。于是張某根據(jù)這種解釋,估計(jì)他自己得了X疾病的概率為99%。張某的理理是,既然只有1%的假陽(yáng)性率,那么99%都是真陽(yáng)性,那我已被感染X病的概率便應(yīng)該是99%。張某咨詢了醫(yī)生,醫(yī)生說(shuō):“99%?哪有那么大的感染幾率啊。99%是測(cè)試的準(zhǔn)確性,不是你得病的概率。你忘了一件事:這種X疾病的正常比例是不大的,1000個(gè)人中只有一個(gè)人有X病。”張某不放心,又做了一個(gè)尿液檢查,進(jìn)一步檢查他患上了X疾病的可能性,其結(jié)果仍然為陽(yáng)性,尿液檢查的實(shí)驗(yàn)有“5%的假陽(yáng)性率和5%的假陰性率”貝葉斯公式的應(yīng)用a)張某初始計(jì)算感染X病的概率是99%,問(wèn)題出在哪?
在這個(gè)例子中,張某由于沒有認(rèn)識(shí)到X疾病在人群中的患病率對(duì)于自己患病率的影響,從而得出了錯(cuò)誤的結(jié)論。換言之,雖然,真陽(yáng)性率+假陽(yáng)性率=100%,反問(wèn),難道所有人都是陽(yáng)性嗎?張某錯(cuò)誤的結(jié)論建立在所有人都是陽(yáng)性的基礎(chǔ)之下。貝葉斯公式的應(yīng)用由此,根據(jù)貝葉斯公式,可以計(jì)算張某在血液檢查后患病的概率為:
b)那么張某在血液檢查之后的患病率是多少呢?畫一張圖來(lái)說(shuō)明問(wèn)題。貝葉斯公式的應(yīng)用c)在血液檢查之后,我們算得了張某患病的概率,相對(duì)于原來(lái)的1/1000,在檢驗(yàn)血液陽(yáng)性的條件下的患病的概率增加為了9%。在這樣的前提之下,我們又對(duì)張某的尿液進(jìn)行檢查,檢驗(yàn)為陽(yáng)性。那么此時(shí)患病的概率計(jì)算方式同前,只不過(guò)是患病的概率更新為了9%。如圖所示:貝葉斯公式的應(yīng)用d)根據(jù)張某的家族患病率,我們知道在沒有任何先驗(yàn)信息的前題下張某的患病率為1%而不是1/1000,利用這個(gè)數(shù)值,重新進(jìn)行以上的兩步計(jì)算,即可知根據(jù)張某的家族遺傳信息,結(jié)合血液和尿液檢查結(jié)果,張某得X病的概率。這就是說(shuō),在家族患病率和兩次檢查這樣的前提之下,兩次利用貝葉斯公式計(jì)算知張某得病的概率高達(dá)95%。
貝葉斯公式的應(yīng)用——貝葉斯過(guò)濾技術(shù)1貝葉斯過(guò)濾器是一種統(tǒng)計(jì)學(xué)過(guò)濾器,建立在已有的統(tǒng)計(jì)結(jié)果之上。什么是貝葉斯過(guò)濾器2
我們必須預(yù)先提供兩組已經(jīng)識(shí)別好的郵件,一組是正常郵件,另一組是垃圾郵件。
我們用這兩組郵件,對(duì)過(guò)濾器進(jìn)行“訓(xùn)練”。這兩組郵件的規(guī)模越大,訓(xùn)練效果就越好?!坝?xùn)練”過(guò)程很簡(jiǎn)單。首先,解析所有的郵件,提取每一個(gè)詞。然后,計(jì)算每個(gè)詞語(yǔ)在正常郵件和垃圾郵件中出現(xiàn)的頻率。
有了這個(gè)初步的統(tǒng)計(jì)結(jié)果,過(guò)濾器就可以投入使用了。
貝葉斯過(guò)濾器的使用樸素貝葉斯分類的應(yīng)用數(shù)據(jù)樣本有屬性:年齡,收入,是否學(xué)生和信用狀況。類標(biāo)號(hào)屬性:“是否買電腦”有兩個(gè)不同值{是,否}。
設(shè)C1對(duì)應(yīng)于類:買電腦;
C2對(duì)應(yīng)于類:不買電腦;
我們希望分類的未知樣本為:
X=
(年齡<=30,收入=中,
是學(xué)生,信用一般)
866449樸素貝葉斯分類的應(yīng)用首先我們需要最大化1:P(X|Ci)*P(Ci),i=1,2。
每個(gè)類的先驗(yàn)概率P(Ci)可以根據(jù)訓(xùn)練樣本計(jì)算:P(C1)=P(買電腦)
=
P(C2)=P(不買電腦)
2:計(jì)算P(X|Ci):
(1)P
(年齡<=30,收入=中,是學(xué)生,信用一般|買電腦)
(2)P
(年齡<=30,收入=中,是學(xué)生,信用一般|不買電腦)
樸素貝葉斯分類的應(yīng)用1:
P(年齡<=30,收入=中,是學(xué)生,信用一般|買電腦)=P(年齡<=30|買電腦)*P(收入=中|買電腦)*P(是學(xué)生|買電腦)*P(信用一般|買電腦)2:
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- GB/T 26846-2024電動(dòng)自行車用電動(dòng)機(jī)和控制器的引出線及接插件
- GB/T 21099.4-2024企業(yè)系統(tǒng)中的設(shè)備和集成過(guò)程控制用功能塊(FB)和電子設(shè)備描述語(yǔ)言(EDDL)第4部分:EDD互操作
- 臍帶脫垂的健康宣教
- 【大學(xué)課件】計(jì)算機(jī)網(wǎng)絡(luò)的安全
- 【培訓(xùn)課件】貨物貿(mào)易收支管理
- 兒童地包天的健康宣教
- 色素性蕁麻疹的臨床護(hù)理
- 非免疫性胎兒水腫的健康宣教
- 泌尿系腫瘤的臨床護(hù)理
- 皮膚纖維瘤的臨床護(hù)理
- 山東省煙臺(tái)市2023-2024學(xué)年三上數(shù)學(xué)期末含答案
- 主體幸福感模型的理論建構(gòu)
- 觀察記錄那些事兒-走進(jìn)經(jīng)典閱讀《聚焦式觀察:兒童觀察、評(píng)價(jià)與課程設(shè)計(jì)》優(yōu)質(zhì)課件PPT
- 浙教版小學(xué)人·自然·社會(huì)四年級(jí)第17課 走近王安石 課件
- QC小組(提高維修效率)課件
- 火成巖巖石化學(xué)圖解與判別
- 《幼兒園3-6歲兒童學(xué)習(xí)與發(fā)展指南》科學(xué)領(lǐng)域
- 醫(yī)院安全保衛(wèi)應(yīng)急處置預(yù)案6篇
- 人教版八年級(jí)上冊(cè)美術(shù)教案說(shuō)課稿《 詩(shī)書畫印的完美結(jié)合》
- 等比數(shù)列概念
- GB/T 30146-2023安全與韌性業(yè)務(wù)連續(xù)性管理體系要求
評(píng)論
0/150
提交評(píng)論