朴素贝叶斯法课件.pptVIP

图形绘制图片处理图表设计典型案例*朴素贝叶斯分类法By戴非凡

图形绘制图片处理图表设计典型案例*朴素贝叶斯分类器半朴素贝叶斯序贝叶斯决策论西瓜程分类器14ContentsPage*

图形绘制图片处理图表设计典型案例*朴素贝叶斯分类器半朴素贝叶斯序贝叶斯决策论西瓜程分类器14TransitionPage*

*1.1贝叶图斯形决绘策制论朴素贝叶斯分类器半朴素贝叶斯分类器程序①贝叶斯决策论（Bayesiandecisiontheory）是概率框架下实施决策的基本方法。用p1(x,y)表示数据点(x,y)属于类别1(图中红色圆点表示的类别)的概率，用p2(x,y)表示数据点(x,y)属于类别2(图中蓝色三角形表示的类别)的概率，那么对于一个新数据点(x,y)，可以用下面的规则来判断它的类别：?如果p1(x,y)p2(x,y)，那么类别为1?如果p1(x,y)p2(x,y)，那么类别为2贝叶斯决策理论核心思想：选择高概率对应的类别。

5*1.2贝叶图斯形决绘策制论图朴片素处贝叶理斯分图类表器设半计朴素贝典叶型斯案分例类器程序贝叶斯决策论还需了解：1、条件概率：即B发生的情况下A发生的概率，用P(A|B)表示。

6*1.2贝叶图斯形决绘策制论图朴片素处贝叶理斯分图类表器设半计朴素贝典叶型斯案分例类器程序2、全概率公式：如果A和A’构成样本空间的一个划分，那么事件B的概率，就等于A和A’的概率分别乘以B对这两个事件的条件概率之和。

7*1.3贝叶图斯形决绘策制论图朴片素处贝叶理斯分图类表器设半计朴素贝典叶型斯案分例类器程序?贝叶斯推断：我们把P(A)称为”先验概率”（Priorprobability），即在B事件发生之前，我们对A事件概率的一个判断。P(A|B)称为”后验概率”（Posteriorprobability），即在B事件发生之后，我们对A事件概率的重新评估。P(B|A)/P(B)称为”可能性函数”（Likelyhood），这是一个调整因子，使得预估概率更接近真实概率。在1.1提到贝叶斯决策理论要求计算两个概率p1(x,y)和p2(x,y):?如果p1(x,y)p2(x,y)，那么类别为1?如果p1(x,y)p2(x,y)，那么类别为2p1,p2即为后验概率p1(c1|x,y),p2(c2|x,y)

图形绘制图片处理图表设计典型案例*朴素贝叶斯分类器半朴素贝叶斯序贝叶斯决策论西瓜程分类器14TransitionPage*

*2.1贝叶斯决策论朴图素片贝处叶理斯分类器半朴素贝叶斯分类器程序基于贝叶斯公式估计后验概率P(c|x)的主要困难在于：类条件概率P(x|c)是所有属性上的联合概率，较难估计。为了避开这个障碍，提出了朴素贝叶斯分类器（na?veBayesclassifier）“朴素”：采用属性条件独立性假设——假设用于分类的特征在类确定的条件下都是条件独立的。

1*02.2贝叶图斯形决绘策论制朴图素片贝处叶理斯分图类表器设计半朴素典贝型叶案斯例分类器

1*12.3贝叶图斯形决绘策论制朴图素片贝处叶理斯分图类表器设计半朴素典贝型叶案斯例分类器Forexample：数据集为：测试集为：青绿蜷缩浊响清晰凹陷硬滑0.6970.460？是

1*22.4贝叶图斯形决绘策论制朴图素片贝处叶理斯分图类表器设计半朴素典贝型叶案斯例分类器Python_programme:朴素贝叶斯分类函数

图形绘制图片处理图表设计典型案例*朴素贝叶斯分类器半朴素贝叶斯序贝叶斯决策论西瓜程分类器14TransitionPage*

*3.1贝叶斯决策论朴素贝叶斯分类器半朴素贝叶斯分类器程序独

1*53.2贝图叶形斯绘决制策论图朴素片贝处叶理斯分类图器表设半计朴素典贝型叶案斯例分类器程

1*63.2贝图叶形斯绘决制策论图朴素片贝处叶理斯分类图器表设半计朴素典贝型叶案斯例分类器程

1*73.2贝图叶形斯绘决制策论图朴素片贝处叶理斯分类图器表设半计朴素典贝型叶案斯例分类器程

图形绘制图片处理图表设计典型案例*朴素贝叶斯分类器半朴素贝叶斯序贝叶斯决策论西瓜程分类器14TransitionPage*

*4.1训练集及测试集贝叶斯决策论朴素贝叶斯分类器半朴素贝叶斯分类器程序

图形绘制图片处理图表设计典型案例2*0谢谢观赏14TrailerPage*