《机器学习项目案例开发》课件 16.贝叶斯算法_第1页
《机器学习项目案例开发》课件 16.贝叶斯算法_第2页
《机器学习项目案例开发》课件 16.贝叶斯算法_第3页
《机器学习项目案例开发》课件 16.贝叶斯算法_第4页
《机器学习项目案例开发》课件 16.贝叶斯算法_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

人工智能技术与应用7.贝叶斯算法课程概况—基本情况PART01贝叶斯算法贝叶斯算法概述贝叶斯算法的实现拼写检查垃圾邮件过滤贝叶斯算法概述贝叶斯算法概述：正向概率：假设袋子里面有N个白球，M个黑球，你伸手进去摸一把，摸出黑球的概率是多大逆向概率：如果我们事先并不知道袋子里面黑白球的比例，而是闭着眼睛摸出一个（或好几个）球（3个黑的4个白的），观察这些取出来的球的颜色之后，那么我们可以就此对袋子里面的黑白球的比例作出什么样的推测。贝叶斯算法实现：条件：学校总人数有U个人，男生占60%，女生占40%；男生总是穿长裤，女生一半穿裤子一半穿裙子；正向概率：随机选取一个学生，他（她）穿长裤的概率和穿裙子的概率是多大逆向概率：迎面走来一个穿长裤的学生，你只看得见他（她）穿的是否长裤，而无法确定他（她）的性别，你能够推断出他（她）是女生的概率是多大吗？贝叶斯算法实现

贝叶斯算法实现

贝叶斯算法实现

贝叶斯算法实现

贝叶斯算法实现

先验概率似然度后验概率标准化常量贝叶斯算法实现贝叶斯算法应用：拼写纠正实例拼写纠正实例我们看到用户输入了一个不在字典中的单词，我们需要去猜测“到底想输入的单词是什么？

比如输入的是tha使用概率去判断用户想输入的单词P(我们猜测他想输入的单词|他实际输入的单词)

计算：P(that|tha)PP(thanks|tha)的概率，按照大小排序，供用户选择。贝叶斯算法-输入矫正

贝叶斯算法-输入矫正

贝叶斯算法-输入矫正垃圾邮件分类问题：问题：给定一封邮件，判定它是否属于垃圾邮件D来表示这封邮件，注意D由N个单词组成。我们用h+来表示，垃圾邮件，h-表示正常邮件。贝叶斯公式P(h+|D)、P(h-|D)P(h+|D)=P(h+)*P(D|h+)/P(D)

P(h-|D)=P(h-)*P(D|h-)/P(D)

贝叶斯算法-垃圾邮件垃圾邮件过滤实例：先验概率：P(h+)和P(h-)这两个先验概率都是很容易求出来的，只需要计算一个邮件库里面垃圾邮件和正常邮件的比例就行了。D里面含有N个单词d1,d2,d3，P(D|h+)=P(d1,d2,..,dn|h+)，P(d1,d2,..,dn|h+)就是说在垃圾邮件当中出现跟我们目前这封邮件一模一样的一封邮件的概率是多大！

P(d1,d2,..,dn|h+)扩展为：P(d1|h+)*P(d2|d1,h+)*P(d3|d2,d1,h+)*..

贝叶斯算法-垃圾邮件垃圾邮件过滤实例：P(d1|h+)*P(d2|d1,h+)*P(d3|d2,d1,h+)*..假设di与di-1是完全条件无关的（朴素贝叶斯假设特征之间是独立，互不影响）简化为P(d1|h+)*P(d2|h+)*P(d3|h+)*..对于P(d1|h+)

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论