一.贝叶斯公式

机器学习 -- 朴素贝叶斯(Ⅱ 贝叶斯公式)

或表示为:

机器学习 -- 朴素贝叶斯(Ⅱ 贝叶斯公式)

W:给定文档的特征值(频数统计,预测文档提供),C:文档类别。

 

【案例1】水果特征和类别图如下。要求:在给定形状为圆形的特征下,搭建类别为樱桃的概率模型。

机器学习 -- 朴素贝叶斯(Ⅱ 贝叶斯公式)

【案例2】接着上一节的案例。已知小明是产品经理,体型超重,判断女神是否会喜欢?

机器学习 -- 朴素贝叶斯(Ⅱ 贝叶斯公式)

特征值:职业,体型;目标值:女神是否喜欢(二分类)。

此时:

机器学习 -- 朴素贝叶斯(Ⅱ 贝叶斯公式)

但是P(产品经理,超重) = 0,导致无法计算结果。原因是样本量太小,不具有代表性。所以此方法不适合。但是可以用朴素贝叶斯算法解决。

相关文章: