机器学习- 朴素贝叶斯

声明：此文档是根据王家林老师的课程写的笔记，需要了解更多请联系王老师，文章后附联系方式！

一、学习朴素贝叶斯之前先了解一下条件概率下贝叶斯公式

1、举例是两个机床M1和M2 用例生产扳手

不合格占1%(defective)

2、问题： Mach2生产的不合格产品的概率是多少？

P（Mach1）=30/50 = 0.6

P（Mach2）=20/50 = 0.4

P（Defect）=1%

P（Mach1|Defect）= 50%

P（Mach2|Defect）= 50%

P（Defect|Mach2）= ?

根据条件概率贝叶斯法则

P（A|B）：在事件B发生的条件下A发生的概率

P（B|A）：在事件A发生的条件下B发生的概率

P(A) :A 单独发生的概率

P(B) :B 单独发生的概率单独发生的概率

P（Defect|Mach2）= （P（Mach2|Defect）* P（Defect））/ P（Mach2）

= (0.5*0.1)/0.4 = 0.125

二、朴素贝叶斯

1.根据薪资和年龄的对30个人进行了分类（打标签）

2.假设分类标签为上班的交通方式：步行(Walks)、开车(Drives)，那新加入一个员工(new data point)是什么是属于那个类或者那种方式上班？

3、利用贝叶斯法则（公式）

4、P（Walks）=10/30 (已知的先验概率）

5、P（X）=4/30 (在步行的情况下观测到X的概率（下图画一个圈，覆盖一个范围，有4个人，这个范围里面有开车和有步行，步行的有3个，开车的1个，这个半径大小和调优有关系，现在不考虑大小）

6、P（X|Walks）=3/10 (X在步行人中的概率，Walks=10）

7、代入公式求值：这个人步行的概率是0.75

8、问题（作业），这个人开车概率是多少？

P（Drives）=20/30 (已知的先验概率）

P（X）=4/30

P（X|Drives）=1/20

P(Drives|X) =( P（X|Drives）* P（Drives）)/P（X） = ( 1/20 *20/30 )/(4/30) = 0.25