朴素贝叶斯分类算法

1、分类问题综述

日常生活中我们每天都进行着分类过程 “这个人一看就很有钱”

分类算法的任务就是构造分类器f。

2、朴素贝叶斯分类

核心算法：

由购买iphone（类别）中硕士（特征）的概率推算硕士（特征）中买iphone（类别）的概率

3、例题分析

求p(嫁|不帅、性格不好、身高矮、不上进)的概率

4、朴素贝叶斯算法的朴素一词解释

朴素即需要特征之间相互独立 有时会牺牲一定的分类准确率

假设独立的原因：1、特征太多 2、符合样本太少

p(不帅、性格不好、身高矮、不上进|嫁) = p(不帅|嫁)*p(性格不好|嫁)*p(身高矮|嫁)*p(不上进|嫁)

p(不帅、性格不好、身高矮、不上进) = p(不帅)*p(性格不好)*p(身高矮)*p(不上进) 这是错的！！！

p(不帅、性格不好、身高矮、不上进) = p(嫁)*p(不帅|嫁)*p(性格不好|嫁)*p(身高矮|嫁)*p(不上进|嫁) +

p(不嫁)*p(不帅|不嫁)*p(性格不好|不嫁)*p(身高矮|不嫁)*p(不上进|不嫁)

5 、朴素贝叶斯分类的优缺点

优点：算法逻辑简单 易于实现 分类过程时空开销小

缺点：属性之间互相独立的假设往往不成立