朴素贝叶斯法学习教案

1、会计学1朴素朴素(p s)贝叶斯法贝叶斯法第一页，共20页。图形(txng)绘制图片(tpin)处理图表(tbio)设计典型案例* 贝叶斯决策论朴素贝叶斯分类器半朴素贝叶斯分类器西瓜程序1234Contents Page目录页* 第1页/共20页第二页，共20页。图形(txng)绘制图片(tpin)处理图表(tbio)设计典型案例* Transition Page过渡页* 贝叶斯决策论朴素贝叶斯分类器半朴素贝叶斯分类器西瓜程序1234第2页/共20页第三页，共20页。图形(txng)绘制朴素(p s)贝叶斯分类器 半朴素(p s)贝叶斯分类器程序* 贝叶斯决策论1.1 贝叶斯决策论（Bayes

2、ian decision theory）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)第6页/共20页第七页，共20页。图形(txng)绘制图片(tpin)处理图表(tbio)设计

3、典型案例* Transition Page过渡页* 贝叶斯决策论朴素贝叶斯分类器半朴素贝叶斯分类器西瓜程序1234第7页/共20页第八页，共20页。贝叶斯决策(juc)论图片(tpin)处理半朴素(p s)贝叶斯分类器 程序* 朴素贝叶斯分类器2.1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（nave Bayes classifier）“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。第8页/共20页第九页，共20页。贝叶斯决策(juc)论图片(tpin)

4、处理半朴素(p s)贝叶斯分类器程序* 朴素贝叶斯分类器2.2第9页/共20页第十页，共20页。贝叶斯决策(juc)论图片(tpin)处理半朴素(p s)贝叶斯分类器程序* 朴素贝叶斯分类器2.3For example：数据集为：测试集为： 青绿 蜷缩 浊响 清晰 凹陷 硬滑 0.697 0.460 ？ 是第10页/共20页第十一页，共20页。贝叶斯决策(juc)论图片(tpin)处理半朴素(p s)贝叶斯分类器程序* 朴素贝叶斯分类器2.4Python_programme:朴素贝叶斯分类函数第11页/共20页第十二页，共20页。图形(txng)绘制图片(tpin)处理图表(tbio)设计典型

5、案例* Transition Page过渡页* 贝叶斯决策论西瓜程序14朴素贝叶斯分类器2半朴素贝叶斯分类器3第12页/共20页第十三页，共20页。贝叶斯决策(juc)论朴素(p s)贝叶斯分类器程序(chngx)* 半朴素贝叶斯分类器3.1 独第13页/共20页第十四页，共20页。贝叶斯决策(juc)论朴素(p s)贝叶斯分类器程序(chngx)* 半朴素贝叶斯分类器3.2 第14页/共20页第十五页，共20页。贝叶斯决策(juc)论朴素(p s)贝叶斯分类器程序(chngx)* 半朴素贝叶斯分类器3.2 第15页/共20页第十六页，共20页。贝叶斯决策(juc)论朴素(p s)贝叶斯分类器程序(chngx)* 半朴素贝叶斯分类器3.2 第16页/共20页第十七页，共20页。图形(txng)绘制图片(tpin)处理图表(tbio)设计典型案例* Transition Page过渡页* 西瓜程序4贝叶斯决策论1朴素贝叶斯分类器2半朴素贝叶斯分类器3第17页/共20页第十八页，共20页。贝叶斯决策(juc)论朴素(p s)贝叶斯分类器半朴素(p s)贝叶斯分类器* 程序4.1 训练集及测试集第18页/共20页