贝叶斯网络
序：
上上周末写完上篇朴素贝叶斯分类后，连着上了七天班，而且有四天都是晚上九点下班，一直没有多少时间学习贝叶斯网络,所以更新慢了点，利用清明节两天假期，花了大概七八个小时，写了这篇博客，...
分类：
编程语言 时间：
2017-04-08 21:48:51
阅读次数：
324
首先在贝叶斯分类器之前先说贝叶斯理论 (1)贝叶斯分类器 假设有N种可能的分类标记，即为y={c1,c2,...,cN} λij 是将一个真实的标记cj的样本误分类为ci发损失，后验概率P(ci|x)可获得样本x分类为ci的期望，则在样本x上的“条件风险”是 我们需要最小化这个风险，也就是在每个样本 ...
分类：
其他好文 时间：
2017-04-05 20:11:10
阅读次数：
207
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。 症状 职业 疾病 打喷嚏 护士 感冒 打喷嚏 农夫 过敏 头痛 建筑工人 脑震荡 头痛 建筑工人 感冒 打喷嚏 教师 感冒 头痛 教师 脑震荡 现在又来了第七个病人，是一个打 ...
分类：
其他好文 时间：
2017-04-05 16:22:21
阅读次数：
311
1.从文本中构建词向量 将每个文本用python分割成单词，构建成词向量，这里首先需要一个语料库，为了简化我们直接从所给文本中抽出所有出现的单词构成一个词库。 2.利用词向量计算概率p(x|y) When we attempt to classify a document, we multiply ...
分类：
其他好文 时间：
2017-03-28 20:46:16
阅读次数：
287
写在前面的话：
我现在大四，毕业设计是做一个基于大数据的用户画像研究分析。所以开始学习数据挖掘的相关技术。这是我学习的一个新技术领域，学习难度比我以往学过的所有技术都难。虽然现在在一家公司实习，但...
分类：
编程语言 时间：
2017-03-27 14:49:58
阅读次数：
311
贝叶斯分类的基础——贝叶斯定理 这个定理解决了现实生活里经常遇到的问题：已知某条件概率(概率密度函数），如何得到两个事件交换后的概率，也就是在已知P(A|B)的情况下如何求得P(B|A)。这里先解释什么是条件概率： 表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率。其基 ...
分类：
其他好文 时间：
2017-03-09 15:18:44
阅读次数：
231
二、本周研究内容。 1、 贝叶斯算法的基本概念和原理： 朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。 朴素贝叶斯分类的正式定义如下： 1、设为一个待分类项，而每个a为x的一个特征属性。 2、有类别集合。 3、计算 ...
分类：
其他好文 时间：
2017-03-07 22:56:18
阅读次数：
269
1. 朴素贝叶斯分类器 朴素贝叶斯分类器采用了“属性条件独立性假设”：对已知类别，假设所有属性相互独立，即假设每个属性独立的对分类结果发生影响。 d为属性数目，xi 为 x 在第 i 个属性上的取值，朴素贝叶斯分类器的表达式为： 令 Dc 表示训练集 D 中第 c 类样本的集合，例如西瓜数据集有两个 ...
分类：
编程语言 时间：
2017-03-07 10:42:32
阅读次数：
455
1. 贝叶斯决策论 定义： 贝叶斯决策论是概率框架下实施决策的基本方法。对分类任务来说，在所有概率都已知的理想情形下，贝叶斯决策考虑如何基于这些概率和误判损失来选择最优的类别标记，下面以多分类任务为例来解释其基本原理。 条件风险：假设有N中可能的类别标记，即 Y={c1,c2,...,cN}, λi ...
分类：
编程语言 时间：
2017-03-06 17:48:24
阅读次数：
835
