实例讲解朴素贝叶斯分类器

Posted 深度学习自然语言处理

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了实例讲解朴素贝叶斯分类器相关的知识,希望对你有一定的参考价值。


阅读大概需要4分钟


作者 每天进步一点点2015

编辑 zenRRan 有修改

https://ask.hellobi.com/blog/lsxxx2011/6381

若有侵权,马上删除



导读

    
朴素贝叶斯算法仍然是流行的十大挖掘算法之一,该算法是有监督的学习算法,解决的是分类问题,如客户是否流失是否值得投资信用等级评定等多分类问题。该算法的优点在于简单易懂学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美但由于该算法以自变量之间的独立(条件特征独立)性连续变量的正态性假设为前提,就会导致算法精度在某种程度上受影响。接下来我们就详细介绍该算法的知识点及实际应用。



朴素贝叶斯的思想

思想很简单,就是根据某些个先验概率计算Y变量属于某个类别的后验概率,请看下图细细道来:

实例讲解朴素贝叶斯分类器

假如,上表中的信息反映的是某P2P企业判断其客户是否会流失(churn),而影响到该变量的因素包含年龄、性别、收入、教育水平、消费频次、支持。那根据这样一个信息,我该如何理解朴素贝叶斯的思想呢?再来看一下朴素贝叶斯公式:

实例讲解朴素贝叶斯分类器

从公式中可知,如果要计算X条件下Y发生的概率,只需要计算出后面等式的三个部分,X事件的概率(P(X)),是X的先验概率、Y属于某类的概率(P(Y)),是Y的先验概率、以及已知Y的某个分类下,事件X的概率(P(X|Y)),是后验概率。从上表中,是可以计算这三种概率值的。即:

P(x)指在所有客户集中,某位22岁的本科女性客户,其月收入为7800元,在12次消费中合计支出4000元的概率;

P(Y)指流失与不流失在所有客户集中的比例;

P(X|Y)指在已知流失的情况下,一位22岁的本科女性客户,其月收入为7800元,在12次消费中合计支出4000元的概率。

如果要确定某个样本归属于哪一类,则需要计算出归属不同类的概率,再从中挑选出最大的概率。

我们把上面的贝叶斯公式写出这样,也许你能更好的理解:

实例讲解朴素贝叶斯分类器

而这个公式告诉我们,需要计算最大的后验概率,只需要计算出分子的最大值即可,而不同水平的概率P(C)非常容易获得,故难点就在于P(X|C)的概率计算。而问题的解决,正是聪明之处,即贝叶斯假设变量X间是条件独立的,故而P(X|C)的概率就可以计算为:

实例讲解朴素贝叶斯分类器

也许,这个公式你不明白,我们举个例子(上表的数据)说明就很容易懂了。

对于离散情况

假设已知某个客户流失的情况下,其性别为女,教育水平为本科的概率:

实例讲解朴素贝叶斯分类器

上式结果中的分母4为数据集中流失有4条观测,分子2分别是流失的前提下,女性2名,本科2名。

假设已知某个客户未流失的情况下,其性别为女,教育水平为本科的概率

实例讲解朴素贝叶斯分类器

上式结果中的分母3为数据集中未流失的观测数,分子2分别是未流失的前提下,女性2名,本科2名。

从而P(C|X)公式中的分子结果为:

实例讲解朴素贝叶斯分类器

对于连续变量的情况就稍微复杂一点,并非计算频率这么简单,而是假设该连续变量服从正态分布(即使很多数据并不满足这个条件),先来看一下正态分布的密度函数:

实例讲解朴素贝叶斯分类器

要计算连续变量中某个数值的概率,只需要已知该变量的均值和标准差,再将该数值带入到上面的公式即可。

如果想看实现,R语言代码实践代码链接为:

https://ask.hellobi.com/blog/lsxxx2011/6381


每日托福单词


compound  v.  加剧,恶化  v. 混合

prominent  adj.显著地  adj. 杰出的,著名的

plausible  adj. 看起来合理的,可信的  adj. 似是而非的

juvenile  adj. 青少年的  adj. 幼稚的

handedness  n. 用手习惯,旋向性




推荐阅读:










实例讲解朴素贝叶斯分类器


点个赞呗

以上是关于实例讲解朴素贝叶斯分类器的主要内容,如果未能解决你的问题,请参考以下文章

机器学习系列-朴素贝叶斯分类器

数据挖掘实例:朴素贝叶斯分类器进行垃圾邮件过滤

数据挖掘十大经典算法之朴素贝叶斯

朴素贝叶斯分类实例-单词纠正问题

朴素贝叶斯分类算法的sklearn实现

Weka机器学习:如何解释朴素贝叶斯分类器?