机器学习之朴素贝叶斯分类
问题 这里有八名同学在考试前一天的活动以及他们的考试结果如下表所示: 挂科 喝酒 逛街 学习 1 1 1 0 0 0 0 1 0 1 0 1 1 1 0 0 1 0 1 0 0 0 1 1 0 0 1 0 1 0 0 1 通过以上数据,根据朴素贝叶斯原理,判断某学生在没有喝酒,没有逛街并且学习了的情况下是否会挂科。 算法步骤 朴素贝叶斯分类问题的主要目标就是求解 P ( y = 1 ∣ x 1 , x 2 , x 3 ) P(y=1|x_1,x_2,x_3) P ( y = 1 ∣ x 1 , x 2 , x 3 ) 以及 P ( y = 0 ∣ x 1 , x 2 , x 3 ) P(y=0|x_1,x_2,x_3) P ( y = 0 ∣ x 1 , x 2 , x 3 ) ,通过比较两者大小来做出判断。 在这个问题中, y y y 表示是否挂科, x 1 , x 2 , x 3 x_1, x_2, x_3 x 1 , x 2 , x 3 分别表示是否喝酒、逛街、学习。 我们知道,对于条件概率,有以下公式: P ( A ∣ B ) = P ( A B ) P ( B ) P(A|B)=\frac{P(AB)}{P(B)} P ( A ∣ B ) = P ( B ) P ( A B ) P ( B ∣ A ) = P ( A B ) P (