本站原创文章，转载请说明来自《老饼讲解-机器学习》www.bbbdata.com
朴素贝叶斯模型是一种基于贝叶斯原理的类别判别模型，简单且有效
本文展示一个朴素贝叶斯的具体计算实例，以及建模的详细操作
通过本文的实例，可以更具体的了解如何使用朴素贝叶斯模型进行类别判别
本节讲述朴素贝叶素对样本进行判别的详细过程
朴素贝叶斯-判别过程
朴素贝叶斯就是以历史数据作为依据，判断新样本属于各类别的概率
最后属于哪个类别的概率较大，就判为属于哪一类
问题
设现有身高、体重与性别的历史数据如下
问题：现在来了个身高分组为3，体重分组为2的样本，求该样本的类别
朴素贝叶斯的判别过程
根据朴素贝叶斯的判别公式，具体判别过程如下：
1、估算各类别下特征表现的概率
P(身高=3|已知属于男) = 男样本中身高分组为3的个数/男样本个数 = 1/3
P(体重=2|已知属于男) = 男样本中体重分组为2的个数/男样本个数 = 1/3
P(身高=3|已知属于女) = 女样本中身高分组为3的个数/女样本个数 = 1/4
P(体重=2|已知属于女) = 女样本中体重分组为2的个数/女样本个数 = 2/4
2、估算属于各类别的先验概率(即类别占比)
P(属于男) = 3/7
P(属于女) = 4/7
3、计算样本属于各类别的判别值
属于男的判别值为：
属于女的判别值为：
由于女的判别值为大于男的判别值为 ，因此，判断样本属于女
本节讲解最终生成的朴素贝叶斯模型，以及如何对样本进行判别
朴素贝叶斯-建模与应用
对于朴素贝叶斯模型，我们需要输出《类别概率表》和《特征概率表》
通过公式可计算得到：
1. 类别概率表：记录属于各个类别的概率
2. 特征概率表：记得各个特征，在类别k时表现为组别i的概率
✍️朴素贝叶斯-模型应用流程
设样本身高分组为3，体重分组为2，通过查表可算得：
由于，可判断该样本为女
好了，朴素贝叶斯实例的讲解就到这了~
End
