贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类，而朴素贝叶斯分类可谓是里面最简单、入门的一种。首先关于贝叶斯定理，感觉简单而伟大，前些天一直在看吴军的数学之美（没看过的极力推荐）系列文章，看到自然语言处理从规则模型到统计模型转变的时候，语言的识别准确率上升好几个等级，以至于今天的语言识别到达很强大的地步，同时对于搜索引擎，网页搜索的准确率，也上升好多。这其中的最最重...
分类：
编程语言 时间：
2015-08-05 12:51:53
阅读次数：
250
从本质上来说，这是一个分类问题，类似于通过邮件内容来推测垃圾邮件，通过用户的相关信息来推测用户是否会拖欠贷款，而通过用户的APP安装列表来推测用户的性别也是一个类似的问题。
对于贝叶斯算法来首，我们首先需要一个训练集数据，这个训练集是一个已经打好标签的数据。而要对一堆的数据打标签，人工来做是不太合适的，在这里需要结合人类与计算机各自的优势，来半自动化的识别出比较明显的有性别倾向的APP的...
分类：
移动开发 时间：
2015-07-31 16:24:08
阅读次数：
194
朴素贝叶斯算法主要用来解决分类问题，比如通常的二分类，多分类。1、数学知识：贝叶斯定理：特征条件独立：1、朴素贝叶斯输入空间：输出空间：y={C1，C2，…,CK}。训练集：T={(x1,y1),(x2,y2),…,(xN,yN)}。对于每个实例，其P(X,Y)独立同分布。在进行分类之前，需要先将计...
分类：
编程语言 时间：
2015-07-29 12:09:30
阅读次数：
1169
朴素贝叶斯算法与上篇中写到到生成学习算法的思想是一致的。它不需要像线性回归等算法一样去拟合各种假设的可能，只需要计算各种假设的概率，然后选择概率最高的那种假设分类类别。其中还添入了一个贝叶斯假定：在给定目标值y时属性值x之间相互独立。这样的分类算法被称为朴素贝叶斯分类器（Naive Bayes classifier） 。
1、朴素贝叶斯算法
在朴素贝叶斯算法的模型里，给定的训练集为,...
分类：
编程语言 时间：
2015-07-24 13:04:49
阅读次数：
215
朴素贝叶斯算法（Naive Bayes）阅读目录一、病人分类的例子二、朴素贝叶斯分类器的公式三、账号分类的例子四、性别分类的例子 生活中很多场合需要用到分类，比如新闻分类、病人分类等等。 本文介绍朴素贝叶斯分类器（Naive Bayes classifier），它是一种简单有效的常用分类算法。回.....
分类：
编程语言 时间：
2015-07-21 07:52:40
阅读次数：
137
生活中很多场合需要用到分类，比如新闻分类、病人分类等等。 本文介绍朴素贝叶斯分类器（Naive Bayes classifier），它是一种简单有效的常用分类算法。一、病人分类的例子 让我从一个例子开始讲起，你会看到贝叶斯分类器很好懂，一点都不难。 某个医院早上收了六个门诊病人，如下表。 ...
分类：
编程语言 时间：
2015-07-20 09:15:02
阅读次数：
147
把（T为任意类型）关联起来，是很常见的需求。如笔者最近要做一个贝叶斯算法的垃圾邮件过滤器，就需要把每个单词与频率对应起来，做成一个表。而当单词很多时，对于每个单词做一遍O(N)的枚举，效率实在不尽人意。而下文讲到的一些关联容器或函数，都可以吧时间复杂度降至O(log2n)或更低。 本文对比4种...
分类：
编程语言 时间：
2015-07-07 08:14:01
阅读次数：
140
今天看了一下朴素贝叶斯算法。在看到如果样本的某个特征是连续属性的情况下，需要计算出在所有类别下该特征（该特征在不同类别下的）高斯分布，说白了就是求出来在某一类别下该特征的均值和标准差。那么，给某一个特征的值，在带入该特征在各类的概率密度函数（PDF），就可以得到书中所说的“后验概率”。
那么问题来了，对于离散属性的特征，这样是没有问题的。但是PDF某一点的值，大学学的知识说是没有意义的。求出一个...
分类：
其他好文 时间：
2015-07-06 12:29:03
阅读次数：
139
前言
一看到贝叶斯网络，马上让人联想到的是5个字，朴素贝叶斯，在所难免，NaiveByes的知名度确实会被贝叶斯网络算法更高一点。其实不管是朴素贝叶斯算法，还是今天我打算讲述的贝叶斯网络算法也罢，归根结底来说都是贝叶斯系列分类算法，他的核心思想就是基于概率学的知识进行分类判断，至于分类得到底准不准，大家尽可以自己用数据集去测试测试。OK，下面进入正题--贝叶斯网络算法。
朴素贝叶斯
一般我在...
分类：
其他好文 时间：
2015-06-29 20:35:18
阅读次数：
154
、 朴素贝叶斯算法 输入：训练数据T＝{(x1，y1),(x2,y2),…,(xN,yN)}， 输出：X的分类 计算先验概率及条件概率 计算朴素贝叶斯概率 选择概率最大的类 拉普拉斯平滑（Laplace smoothing） 朴素贝叶斯两大假设 条件独立假设用于分类的特...
分类：
其他好文 时间：
2015-06-08 23:19:16
阅读次数：
155
