美文网首页
AI直通车 day05 笔记-朴素贝叶斯公式推导过程

AI直通车 day05 笔记-朴素贝叶斯公式推导过程

作者: 撸吗撸码 | 来源:发表于2023-05-19 14:43 被阅读0次

1.条件概率
P(A|B) = \cfrac{P(AB)}{P(B)}

2.很显然可以得到:

P(AB) = P(A|B)P(B) = P(B|A)P(A)
3.继续推导可以得到:

P(B|A) = \frac{P(AB)}{P(A)}
4.(4)全概率公式(这里只给公式,先前条件就不提了):

P(A) = \sum^{n}_{i=1} P({B_i})P(A|{B_i})

推导过程:

有了上面这几个公式,基本就可以满足要求了,下面,开始推导朴素的贝叶斯分类器,主要参考李航的《统计学习方法》中的过程。先提出问题,现在给出一堆数据或者是训练集:
T = ( x 1 , y 1 ) , ( x 2 , y 2 ) , . . . , ( x n , y n ) T = {(x_1, y_1), (x_2, y_2), ..., (x_n, y_n)}
解释:x表示特征(可能有多个特征),y表示标签(可能是多个标签哦)。

朴素贝叶斯算法对条件概率分布做了条件独立性的假设,所以具体的条件独立性假设是:

公式1:P({ X=x} | {Y=c_k}) = P({X^{(1)}=x^{(1)}, ..., X^{(n)}=x^{(n)}}|{Y=c_k})=\prod _{j=1}^n P(X^{(j)}=x^{(j)}|Y=c_k)P(X=x∣Y=c k)
解释:c_k 表示标签 Y 中的一个值,X ( 1 ) = x ( 1 ) , . . . , X ( n ) = x ( n ) {X^{(1)}=x^{(1)}, ..., X^{(n)}=x^{(n)}}
表示一组向量,可能有n个特征,为什么连乘?因为假设相互独立。

公式2:P(Y=c_k|X=x)=\frac{P(Y=c_k\bigcap X=x)}{P(X=x)}=\frac{P(X=x|Y=c_k)P(Y=c_k)}{\sum_{k} P( X=x| Y=c_k)P(Y=c_k)}

解释:P(X=x)这个值要通过全概率公式来求,即 \sum_{k} P( X=x| Y=c_k)P(Y=c_k)

现在,把公式1带入公式2得:
公式3:P(Y=c_k|X=x)= \frac{P(Y=c_k) \prod _{j} P(X^{(j)}=x^{(j)}|Y=c_k)}{\sum_{k} P(Y=c_k) \prod _{j} P(X^{(j)}=x^{(j)}|Y=c_k)}
其中k = 1 , 2 , 3... , K k=1,2,3...,Kk=1,2,3...,K
公式4:y=f(x)=argmax _{c_k}\frac{P(Y=c_k) \prod _{j} P(X^{(j)}=x^{(j)}|Y=c_k)}{\sum_{k} P(Y=c_k) \prod _{j} P(X^{(j)}=x^{(j)}|Y=c_k)}
解释:这个公式的意思就是,在所有的标签中,选择一个最大的后验概率那个标签,作为本次分类的结果。很显然,在最大化后验概率的时,公式4中的分母是相同的,所以可以进一步化简得到:

公式5:y=f(x)=argmax _{c_k}P(Y=c_k) \prod _{j} P(X^{(j)}=x^{(j)}|Y=c_k)

相关文章

  • Machine Learning (4)

    贝叶斯公式推导,朴素贝叶斯公式 学习先验概率 学习后验概率 LR 和 Linear Regression 之间的区...

  • 朴素贝叶斯

    序 本次记录朴素贝叶斯的相关原理,并上一张手写的面试级推导过程 朴素贝叶斯模型是什么? 朴素贝叶斯是基于贝叶斯定理...

  • 朴素贝叶斯算法

    问题 1. 什么是朴素贝叶斯 2. 怎么理解贝叶斯公式和朴素贝叶斯公式 3. 朴素贝叶斯算法流程是怎样...

  • 算法笔记(7)-朴素贝叶斯算法及Python代码实现

    朴素贝叶斯算法有三种类型,分别是贝努利朴素贝叶斯、高斯贝叶斯、多项式朴素贝叶斯。 贝叶斯公式 贝努利朴素贝叶斯 适...

  • 朴素贝叶斯算法介绍及优化

    朴素贝叶斯(Naive Bayes) 贝叶斯公式 朴素贝叶斯算法其实原理很简单,要理解朴素贝叶斯算法我们首先得知道...

  • 机器学习日记之朴素贝叶斯

    朴素贝叶斯的公式给我的第一感觉就是懵。 死记硬背吧,效果也不好,理解也不深。 其实这个公式不用背,记住推导过程,就...

  • 朴素贝叶斯的公式推导

    朴素贝叶斯分类是一种十分简单的分类算法,叫它朴素贝叶斯分类是因为这种方法的思想真的很Naive。 它有一个基本的假...

  • 贝叶斯公式通俗理解

    贝叶斯公式推导 贝叶斯公式: 推导之前,我们需要先了解一下条件概率: 已知数据如下: P(A) 表是人为光头的概率...

  • sklearn-朴素贝叶斯

    朴素贝叶斯分为三种:高斯朴素贝叶斯、多项式朴素贝叶斯、伯努利朴素贝叶斯。这三种的不同之处在于求条件概率的公式不同。...

  • 图解 贝叶斯分类器

    本文知识点: 贝叶斯公式 一般化的贝叶斯公式 朴素贝叶斯算法:用到链式法则,条件独立 朴素贝叶斯分类器(Naïve...

网友评论

      本文标题:AI直通车 day05 笔记-朴素贝叶斯公式推导过程

      本文链接:https://www.haomeiwen.com/subject/ljfnsdtx.html