資料採礦-貝葉斯定理

標籤：

貝葉斯定理是統計學的一種分類的方法 

最簡單的貝葉斯分類方法稱為樸素貝葉斯分類的方法 

樸素貝葉斯法的一個重要條件是即一個屬性值對分類的影響獨立於其他屬性值  也稱為類條件獨立性

p(H|X)=p(X|H)P(H)/P(X)    其中已經知道後者求前者，。即是後驗=似然X先驗/證據因子

樸素貝葉斯方法易於實現 ，而且在大多數的情況下能夠獲得較好的分類準確率。它的劣勢在於它的條件獨立性假設，如果資料之間各個屬性之間有比較強的依賴關係，則不會取得好的結果。

如何處理屬性之間的依賴關係呢?引入了貝葉斯信念網路

貝葉斯網路是一個有向非循環圖，圖中的節點代表隨機變數，可以對應於實際資料中的某一個屬性。節點間的邊代表變數之間的直接依賴的關係。

貝葉斯網路學習 -----------

貝葉斯網路中的變數可以是觀測的，或隱藏在所有或某些訓練的元組之中。隱藏資料的情況也稱為缺失值或不完全資料。

 

資料採礦-貝葉斯定理