樸素貝葉斯自我理解篇

樸素貝葉斯：機率，數學，古典

1.首先有一個待分類項（列如是否為程式員，是:記為A，不是:記為B）。

2.訓練樣本包含n個屬性，通過這麼多訓練樣本判斷預測資料是A還是B。

3.從訓練樣本中統計出事件為A的機率p(A)，

  計算各個分類類別在事件A的屬性的發生機率，

 當預測樣本進來判斷時，根據其屬性選擇相應的機率進行相乘，然後在比較A和B的發生機率的大小。

舉例：

二，分析個人收入是否超過50K

目前我們在網上找來了有了3萬多條資料，現在需要從人的性別，年齡，是否以婚，親戚關係等14個條件來分析一個人是否所收入能超過50K。由上面的分析可知以下結論：

分類項C：是否工資超過50K。

有類集合V：人的特徵，性別，年齡，是否以婚，親戚關係等。

計算每個類別條件下各特徵屬性劃分的頻率。

P(V=age(10)|C>50k):工資大於50K的年齡10歲的機率。

P(V=sex(Female)|C>50k):工資大於50K的女性的機率，以及類推。

…………

最後使用分類器進行分類：

P(C>50)P(x|C>50) = P(C>50)*P(V=age(10)|C>50k)*P(V=sex(Female)|C>50k)…………;

最後比較大於50K的機率與小於50K的機率，哪個大就把它分哪一類。