数据挖掘复习笔记---04.3分类问题之 Naive Bayes

分类问题之 Naive Bayes

简介

• 条件几率

  P(A|B)*P(B) = P(A, B) = P(B|A)*P(A)

  
  

• 全几率公式

  
  

• 分类步骤

  朴素贝叶斯假设特征之间相互独立
  1.计算 P(A|C0) = P(A1, A2, A3|C0) = P(A1|C0) * P(A2|C0) * P(A3|C0)
  2.计算 P(A|C1) = P(A1, A2, A3|C1) = P(A1|C1) * P(A2|C1) * P(A3|C1)
  3.计算 P(A, C0) = P(A|C0) * P(C0)
  4.计算 P(A, C1) = P(A|C1) * P(C1)
  5.不须要计算分母的 P(A)
  6.若是 P(A, C0) > P(A, C1), 那么能够得出 P(C0|A) > P(C1|A), 即样例属于 C0 类

  
  

优缺点

• 抗噪，对孤立噪点噪声鲁棒
• 对不相关的属性有较强的鲁棒性
• 若是某条记录存在缺失值, 之间忽略便可
• 朴素贝叶斯假设特征之间相互独立，但实际状况并不必定如此