chapter6:概率及朴素贝叶斯--朴素贝叶斯
来源:互联网 发布:建筑设计软件 编辑:程序博客网 时间:2024/06/18 14:09
利用近邻算法,很难量化分类的置信度。而基于概率的分类算法---贝叶斯算法却不仅能够分类而且能够给出分类的概率,比如这个运动员80%的概率是一名篮球运动员
P(h)称为h的先验概率prior probability
P(h | d)称为h的后验概率posterior probability
一、贝叶斯定理
二、朴素贝叶斯
iHealth公司的i100 i500两款产品,
iHealth100:心率、GPS、WiFi
iHealth500:在i100的基础上添加了血氧饱和度和到iHealth网站的免费3G连接
iHealth公司雇我们构建一个面对顾客的产品推荐系统。为获得数据来构建系统,顾客购买时会让顾客填写一张问卷调查表。问卷中的每个问题都与某个属性有关
问题:如果某人的主要兴趣是健康、当前锻炼级别适中、动机中等,那么利用朴素贝叶斯方法会推荐哪款产品给他?
def classify(self, itemVector): """Return class we think item Vector is in""" results = [] for (category, prior) in self.prior.items(): prob = prior col = 1 for attrValue in itemVector: if not attrValue in self.conditional[category][col]: # we did not find any instances of this attribute value # occurring with this category so prob = 0 prob = 0 else: prob = prob * self.conditional[category][col][attrValue] col += 1 results.append((prob, category)) # return the category with the highest probability return(max(results)[1])三、国会投票记录数据集
http://archive.ics.uci.edu/ml/index.html的机器学习资源库下载
概率估计
阅读全文
0 0
- chapter6:概率及朴素贝叶斯--朴素贝叶斯
- 朴素贝叶斯-新闻分类
- 推荐学习笔记-概率和朴素贝叶斯
- 朴素贝叶斯用到的概率公式
- 朴素贝叶斯:从词向量计算概率
- 朴素贝叶斯-后验概率最大化
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- 朴素贝叶斯
- java 基础题 很基础, 很有趣
- Qt 学习之路 2(74):线程和 QObject
- IPC通信
- __packed 关键字 的作用
- 本地spark测试tomcat日志处理
- chapter6:概率及朴素贝叶斯--朴素贝叶斯
- android:kotlin语言使用greendao3.0简解
- 【译文】伪标签学习导论
- springmvc学习笔记(4)-前端控制器
- 白话空间统计之二十五:空间权重矩阵(四)R语言中的空间权重矩阵(4):K临近
- 【实践】通用文件系统的quota时间
- 求a的b次方,不用考虑大数问题,不使用库函数
- String类中lastIndexOf()与indexOf()方法的区别
- python ctrl+c 退出while True: