Cf0cb5ede2693f33afd9679b171a733a
机器学习算法篇--贝叶斯分类器

概念回顾:

贝叶斯决策就是在不完全情报下,对部分未知的状态用主观概率估计,然后用贝叶斯公式对发生概率进行修正,最后再利用期望值和修正概率做出最优决策。
贝叶斯公式:

P(Y|X)= P(X|Y)P(Y)/P(X)

举例:

上篇文章讲了一个垃圾邮件分类的例子,有的同学反应说是太复杂了,要有一定的基础才可以看懂,能不能来个简单易懂的。好!满足同学们。咱们目标就是让大部分数学基础一般的同学理解算法,一步一步踏实前进,写文章不是为了炫耀作者的能力多强,而是要让看文章的人有所收获。
下面我们通过一个去医院看病的例子来讲解一下,某一天一个诊所来了6个病人,数据如下:

症状            年龄            疾病

流鼻涕        老年人             感冒
流鼻涕        青年人             发烧
头晕          中年人            低血糖
头晕          中年人             感冒
流鼻涕        小孩子             感冒
头晕          小孩子            低血糖

现在又来了第七个病人,是一个流鼻涕的中年人,请问他换上感冒的概率有多少?
下面我们来分析一下,这个问题,其实就是求在“流鼻涕和中年人”这两个条件发生的情况下,感冒的概率是多少。那我们用贝叶斯公式代入,可得:

P(感冒|流鼻涕x中年人) = P(流鼻涕x中年人|感冒) x P(感冒) / P(流鼻涕x中年人)
top Created with Sketch.