机器学习算法原理与编程实践之朴素贝叶斯分类

Posted junjiang3

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习算法原理与编程实践之朴素贝叶斯分类相关的知识,希望对你有一定的参考价值。

在介绍朴素贝叶斯分类之前,首先介绍一下大家都比较了解的贝叶斯定理,即已知某条件概率,如何得到两个时间交换后的概率,

也就是在已知P(A|B)的情况下如何求得P(B|A)?可以通过如下公式求得:

而朴素贝叶斯分类是一种简单的分类算法,称其朴素是因为其思想基础的简单性:就文本分类而言,它认为词袋中的两两词之间的关系

是相互独立的,即一个对象的特征向量中的每个维度都是相互独立。

朴素贝叶斯分类的正式定义如下:

(1)设为一个待分类项,而每个a为x的一个特征属性。

(2)有类别集合

(3)计算

(4)如果,则

因此,现在问题的关键就是如何计算第(3)步中的每个条件概率。我们可以按以下步骤计算。

(1)找到一个已知分类的待分类项集合,也就是训练集。

(2)统计得到在各类别下各个特征属性的条件概率估计。即:

(3)如果每个特征属性是条件独立的(或者假设他们之间是相互独立的),则根据贝叶斯定理有如下推导:

因为分母对于所有的类别都是一样的,为常数,因此只要将分子最大化即可。又因为个特征属性是条件独立的,所以有

 

这就是Scikit-Learn中的公式推导过程的说明。根据上述分析,朴素贝叶斯分类的流程可以表示如下:

第一阶段:训练数据生成训练样本集合:TF-IDF

第二阶段:对每个类别计算

第三阶段:对每个特征属性计算所有类别划分的条件概率。

第四阶段:对每个类别计算

第五阶段:以的最大项做为x的所属类别。

 

以上是关于机器学习算法原理与编程实践之朴素贝叶斯分类的主要内容,如果未能解决你的问题,请参考以下文章

常见机器学习算法原理+实践系列6(朴素贝叶斯分类)

算法朴素贝叶斯分类算法原理与实践

朴素贝叶斯分类算法原理与实践

数据挖掘:朴素贝叶斯分类算法原理与实践

机器学习中分类算法之朴素贝叶斯分类

第五篇:朴素贝叶斯分类算法原理分析与代码实现