您当前的位置:www.7366.com > www.92455.com > www.92455.com
男性的身高为6英尺的概率的相对值等于1.5789(大

发布日期: 2019-11-20     浏览历史次数:

  [size=1.6em]能够看到,女性的概率比男性要超出跨越快要10000倍,所以判断该报酬女性。

  = P(F1C)P(F2C) ... P(FnC)P(C)[size=1.6em]上式等号左边的每一项,都能够从统计材料中获得,由此就能够计较出每个类别对应的概率,从而找出较大要率的阿谁类。[size=1.6em]虽然所有特征相互这个假设,正在现实中不太可能成立,可是它能够大大简化计较,并且有研究表白对分类成果的精确性影响不大。[size=1.6em]下面再通过两个例子,来看若何利用朴实贝叶斯分类器。[size=1.6em]三、账号分类的例子[size=1.6em]本例摘自张洋的《算法杂货铺----分类算法之朴实贝叶斯分类》。[size=1.6em]按照某社区网坐的抽样统计,该坐10000个账号中有89%为线)。[size=1.6em]C0 = 0.89[size=1.6em]C1 = 0.11[size=1.6em]接下来,就要用统计材料判断一个账号的实正在性。假定某一个账号有以下三个特征:[size=1.6em]F1: 日记数量/注册

  = 0.66[size=1.6em]因而,这个打喷嚏的建建工人,有66%的概率是得了伤风。同理,能够计较这个病人患上过敏或脑震动的概率。比力这几个概率,就能够晓得他最可能得什么病。[size=1.6em]这就是贝叶斯分类器的根基方式:正在统计材料的根本上,根据某些特征,计较各个类此外概率,从而实现分类。[size=1.6em]二、朴实贝叶斯分类器的公式[size=1.6em]假设某个别有n项特征(Feature),别离为F1、F2、...、Fn。现有m个类别(Category),别离为C1、C2、...、Cm。贝叶斯分类器就是计较出概率较大的阿谁分类,也就是求下面这个算式的较大值:[size=1.6em]P(CF1F2...Fn)

  [size=1.6em]现正在又来了第七个病人,是一个打喷嚏的建建工人。请问他患上伤风的概率有多大?

  [size=1.6em]按照朴实贝叶斯分类器,计较下面这个式子的值。[size=1.6em]P(身高性别) x P(体沉性别) x P(脚掌性别) x P(性别)[size=1.6em]这里的坚苦正在于,因为身高、体沉、脚掌都是持续变量,不克不及采用离散变量的方式计较概率。并且因为样本太少,所以也无法分成区间计较。怎样办?[size=1.6em]这时,能够假设男性和女性的身高、体沉、脚掌都是正态分布,通过样本计较出均值和方差,也就是获得正态分布的密度函数。有了密度函数,就能够把值代入,算出某一点的密度函数的值。[size=1.6em]好比,男性的身高是均值5.855、99真人。方差0.035的正态分布。所以,男性的身高为6英尺的概率的相对值等于1.5789(大于1并没相关系,由于这里是密度函数的值,只用来反映各个值的相对可能性)。[size=1.6em][size=1.6em]有了这些数据当前,就能够计较性此外分类了。[size=1.6em]P(身高=6男) x P(体沉=130男) x P(脚掌=8男) x P(男)= 6.1984 x e-9[size=1.6em]P(身高=6女) x P(体沉=130女) x P(脚掌=8女) x P(女)= 5.3778 x e-4




友情链接:

Copyright 2019-2022 http://www.bjhjpm.com.cn 版权所有 未经协议授权禁止转载