图解机器学习算法(5) | 朴素贝叶斯算法详解（机器学习通关指南·完结）
- 作者：韩信子@ShowMeAI
- 教程地址：http://www.showmeai.tech/tutorials/34
- 本文地址：http://www.showmeai.tech/article-detail/189
- 声明：版权所有，转载请联系平台与作者并注明出处
引言
在众多机器学习分类算法中，本篇我们提到的朴素贝叶斯模型，和其他绝大多数分类算法都不同，也是很重要的模型之一。
在机器学习中如KNN、逻辑回归、决策树等模型都是判别方法，也就是直接学习出特征输出 Y Y Y和特征 X X X之间的关系（决策函数 Y = f ( X ) Y= f(X) Y=f(X)或者条件分布 P ( Y ∣ X ) P(Y|X) P(Y∣X)）。但朴素贝叶斯是生成方法，它直接找出特征输出 Y Y Y和特征 X X X的联合分布 P ( X , Y ) P(X,Y) P(X,Y)，进而通过 P ( Y ∣ X ) = P ( X , Y ) P ( X ) P(Y \mid X)= \frac{P(X,Y)}{P(X)} P(Y∣X)=P(X)P(X,Y)计算得出结果判定。
朴素贝叶斯是一个非常直观的模型，在很多领域有广泛的应用，比如早期的文本分类，很多时候会用它作为baseline模型，本篇内容我们对朴素贝叶斯算法原理做展开介绍。
1.朴素贝叶斯算法核心思想
贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素贝叶斯（Naive Bayes）分类是贝叶斯分类中最简单，也是常见的一种分类方法。
朴素贝叶斯算法的核心思想是通过考虑特征概率来预测分类，即对于给出的待分类样本，求解在此样本出现的条件下各个类别出现的概率，哪个最大，就认为此待分类样本属于哪个类别。
举个例子：眼前有100个西瓜，好瓜和坏瓜个数差不多，现在要用这些西瓜来训练一个「坏瓜识别器」，我们要怎么办呢？
一般挑西瓜时通常要「敲一敲」，听听声音，是清脆声、浊响声、还是沉闷声。所以，我们先简单点考虑这个问题，只用敲击的声音来辨别西瓜的好坏。根据经验，敲击声「清脆」说明西瓜还不够熟，敲击声「沉闷」说明西瓜成熟度好，更甜更好吃。
所以，坏西瓜的敲击声是「清脆」的概率更大，好西瓜的敲击声是「沉闷」的概率更大。当然这并不绝对——我们千挑万选地「沉闷」瓜也可能并没熟，这就是噪声了。当然，在实际生活中，除了敲击声，我们还有其他可能特征来帮助判断，例如色泽、跟蒂、品类等。
朴素贝叶斯把类似「敲击声」这样的特征概率化，构成一个「西瓜的品质向量」以及对应的「好瓜/坏瓜标签」，训练出一个标准的「基于统计概率的好坏瓜模型」，这些模型都是各个特征概率构成的。
这样，在面对未知品质的西瓜时，我们迅速获取了特征，分别输入「好瓜模型」和「坏瓜模型」，得到两个概率值。如果「坏瓜模型」输出的概率值大一些，那这个瓜很有可能就是个坏瓜。
2.贝叶斯公式与条件独立假设
贝叶斯定理中很重要的概念是先验概率、后验概率和条件概率。（关于这部分依赖的数学知识，大家可以查看ShowMeAI的文章 图解AI数学基础 | 概率与统计，也可以下载我们的速查手册 AI知识技能速查 | 数学基础-概率统计知识）
1）先验概率与后验概率
先验概率：事件发生前的预判概率。可以是基于历史数据的统计，可以由背景常识得出，也可以是人的主观观点给出。一般都是单独事件概率。
举个例子：如果我们对西瓜的色泽、根蒂和纹理等特征一无所知，按照常理来说，西瓜是好瓜的概率是60%。那么这个概率P（好瓜）就被称为先验概率。
后验概率：事件发生后求的反向条件概率。或者说，基于先验概率求得的反向条件概率。概率形式与条件概率相同。
举个例子：假如我们了解到判断西瓜是否好瓜的一个指标是纹理。一般来说，纹理清晰的西瓜是好瓜的概率大一些，大概是75%。如果把纹理清晰当作一种结果，然后去推测好瓜的概率，那么这个概率P（好瓜|纹理清晰）就被称为后验概率。
条件概率：一个事件发生后另一个事件发生的概率。一般的形式为 P ( B ∣ A ) P(B|A) P(B∣A)表示 A A A发生的条件下 B B B发生的概率。
2）贝叶斯公式
简单来说，贝叶斯定理（Bayes Theorem，也称贝叶斯公式）是基于假设的先验概率、给定假设下观察到不同数据的概率，提供了一种计算后验概率的方法。在人工智能领域，有一些概率型模型会依托于贝叶斯定理，比如我们今天的主角「朴素贝叶斯模型」。
-
P ( A ) P(A) P(A)是先验概率，一般都是人主观给出的。贝叶斯中的先验概率一般特指它。
-
P ( B ) P(B) P(B)是先验概率，在贝叶斯的很多应用中不重要（因为只要最大后验不求绝对值），需要时往往用全概率公式计算得到。
-
P ( B ∣ A ) P(B \mid A) P(B∣A)是条件概率，又叫似然概率，一般是通过历史数据统计得到。
-
P ( A ∣ B ) P(A \mid B) P(A∣B)是后验概率，一般是我们求解的目标。
3）条件独立假设与朴素贝叶斯
基于贝叶斯定理的贝叶斯模型是一类简单常用的分类算法。在「假设待分类项的各个属性相互独立」的情况下，构造出来的分类算法就称为朴素的，即朴素贝叶斯算法。
所谓「朴素」，是假定所有输入事件之间是相互独立。进行这个假设是因为独立事件间的概率计算更简单。
朴素贝叶斯模型的基本思想是：对于给定的待分类项 X { a 1 , a 2 , a 3 , ⋯ , a n } X \left\{ a_1,a_2,a_3,⋯,a_n \right\} X{a1,a2,a3,⋯,an}，求解在此项出现的条件下各个类别 y i y_i yi出现的概率，哪个 P ( y i ∣ X ) P(y_i |X) P(yi∣X)最大，就把此待分类项归属于哪个类别。
朴素贝叶斯算法的定义为：设 X { a 1 , a 2 , a 3 , ⋯ , a n } X \left\{ a_1,a_2,a_3,⋯,a_n \right\} X{a1,a2,a3,⋯,an}为一个待分类项，每个 a i a_{i} ai为x的一个特征属性，且特征属性之间相互独立。设 C { y 1 , y 2 , y 3 , ⋯ , y n } C \left\{ y_1,y_2,y_3,⋯,y_n\right\} C{y1,y2,y3,⋯,yn}为一个类别集合，计算 P ( y 1 ∣ X ) , P ( y 2 ∣ X ) , P ( y 3 ∣ X ) , … , P ( y n ∣ X ) P\left(y_{1} \mid X\right), P\left(y_{2} \mid X\right), P\left(y_{3} \mid X\right), \ldots, P\left(y_{n} \mid X\right) P(y1∣X),P(y2∣X),P(y3∣X),…,P(yn∣X)。
P ( y k ∣ X ) = max { P ( y 1 ∣ X ) , P ( y 2 ∣ X ) , P ( y 3 ∣ X ) , … , P ( y n ∣ X ) } P\left(y_{k} \mid X\right)=\max \left\{P\left(y_{1} \mid X\right), P\left(y_{2} \mid X\right), P\left(y_{3} \mid X\right), \ldots, P\left(y_{n} \mid X\right)\right\} P(yk∣X)=max{P(y1∣X),P(y2∣X),P(y3∣X),…,P(yn∣X)}
则 X ∈ y k X \in y_{k} X∈yk
要求出第四项中的后验概率 P ( y k ∣ X ) P\left(y_{k} \mid X\right) P(yk∣X)，就需要分别求出在第三项中的各个条件概率，其步骤是：
-
找到一个已知分类的待分类项集合，这个集合叫做训练样本集
-
统计得到在各类别下各个特征属性的条件概率估计。即
- P ( a 1 ∣ y 1 ) , P ( a 2 ∣ y 1 ) , ⋯ , P ( a n ∣ y 1 ) P\left(a_{1} \mid y_{1}\right), P\left(a_{2} \mid y_{1}\right), \cdots, P\left(a_{n} \mid y_{1}\right) P(a1∣y1),P(a2∣y1),⋯,P(an∣y1)
- P ( a 1 ∣ y 2 ) , P ( a 2 ∣ y 2 ) , ⋯ , P ( a n ∣ y 2 ) P\left(a_{1} \mid y_{2}\right), P\left(a_{2} \mid y_{2}\right), \cdots, P\left(a_{n} \mid y_{2}\right) P(a1∣y2),P(a2∣y2),⋯,P(an∣y2)
- ···
- P ( a 1 ∣ y n ) , P ( a 2 ∣ y n ) , ⋯ , P ( a n ∣ y n ) P\left(a_{1} \mid y_{n}\right), P\left(a_{2} \mid y_{n}\right), \cdots, P\left(a_{n} \mid y_{n}\right) P(a1∣yn),P(a2∣yn),⋯,P(an∣yn)
在朴素贝叶斯算法中，待分类项的每个特征属性都是条件独立的，由贝叶斯公式
P ( y i ∣ X ) = P ( X ∣ y i ) P ( y i ) P ( X ) P\left(y_{i} \mid X\right)=\frac{P\left(X \mid y_{i}\right) P\left(y_{i}\right)}{P(X)} P(yi∣X)=P(X)P(X∣yi)P(yi)
因为分母相当于在数据库中 X X X存在的概率，所以对于任何一个待分类项来说 P ( X ) P\left(X \right) P(X)都是常数固定的。再求后验概率 P ( y i ∣ X ) P\left(y_{i} \mid X\right) P(yi∣X)的时候只用考虑分子即可。
因为各特征值是独立的所以有：
P ( X ∣ y i ) P ( y i ) = P ( a 1 ∣ y i ) P ( a 2 ∣ y i ) ⋯ P ( a n ∣ y i ) P ( y i ) = P ( y i ) ∏ j = 1 n P ( a j ∣ y i ) \begin{aligned} P\left(X \mid y_{i}\right) P\left(y_{i}\right) &=P\left(a_{1} \mid y_{i}\right) P\left(a_{2} \mid y_{i}\right) \cdots P\left(a_{n} \mid y_{i}\right) P\left(y_{i}\right) \\ &=P\left(y_{i}\right) \prod_{j=1}^{n} P\left(a_{j} \mid y_{i}\right) \end{aligned} P(X∣yi)P(yi)=P(a1∣yi)P(a2∣yi)⋯P(an∣yi)P(yi)=P(yi)j=1∏nP(aj∣yi)
可以推出：
P ( X ∣ y i ) = ∏ k = 1 n P ( a k ∣ y i ) P\left(X \mid y_{i}\right)=\prod_{{k=1}}^{n} P\left(a_{k} \mid y_{i}\right) P(X∣yi)=k=1∏nP(ak∣yi)
对于 P ( y i ) P\left(y_{i}\right) P(yi)是指在训练样本中 y i y_{i} yi出现的概率，可以近似的求解为：
P ( y i ) = ∣ y i ∣ D P\left(y_{i}\right)=\frac{\left|y_{i}\right|}{D} P(yi)=D∣yi∣
对于先验概率 P ( a j ∣ y i ) P\left ( a_{j} \mid y_{i} \right ) P(aj∣yi)，是指在类别 y i y_{i} yi中，特征元素 a j a_{j} aj出现的概率，可以求解为：
P ( a j ∣ y i ) = ∣ 在 训 练 样 本 为 y i 时 ， a j 出 现 的 次 数 ∣ ∣ y i 训 练 样 本 数 ∣ P\left ( a_{j} \mid y_{i} \right ) = \frac{\left | 在训练样本为 y_{i} 时，a_{j} 出现的次数 \right | }{\left | y_{i} 训练样本数 \right | } P(aj∣yi)=∣yi训练样本数∣∣在训练样本为yi时，aj出现的次数∣
总结一下，朴素贝叶斯模型的分类过程如下流程图所示：
3.伯努利与多项式朴素贝叶斯
1）多项式vs伯努利朴素贝叶斯
大家在一些资料中，会看到「多项式朴素贝叶斯」和「伯努利朴素贝叶斯」这样的细分名称，我们在这里基于文本分类来给大家解释一下：
在文本分类的场景下使用朴素贝叶斯，那对应的特征 a j a_j aj就是单词，对应的类别标签就是 y y y，这里有一个问题：每个单词会出现很多次，我们对于频次有哪些处理方法呢？
-
如果直接以单词的频次参与统计计算，那就是多项式朴素贝叶斯的形态。
-
如果以是否出现(0和1)参与统计计算，就是伯努利朴素贝叶斯的形态。
（1）多项式朴素贝叶斯
以文本分类为例，多项式模型如下。在多项式模型中，设某文档 d = ( t 1 , t 2 , … , t k ) d=\left(t_{1}, t_{2}, \ldots, t_{k}\right) d=(t1,t2,…,tk)， t k t_{k} tk是该文档中出现过的单词，允许重复，则：
先验概率
P ( c ) = 类 c 下 单 词 总 数 整 个 训 练 样 本 的 单 词 总 数 P\left ( c \right ) = \frac{类c下单词总数}{整个训练样本的单词总数} P(c)=整个训练样本的单词总数类c下单词总数
类条件概率
P ( t k ∣ c ) = 类 c 下 单 词 t k 在 各 个 文 档 中 出 现 过 的 次 数 之 和 + 1 类 c 下 单 词 总 数 + ∣ V ∣ P\left ( t_{k} \mid c \right ) = \frac{类c下单词t_{k}在各个文档中出现过的次数之和+1}{类c下单词总数+\left | V \right |} P(tk∣c)=类c下单词总数+∣V∣类c下单词tk在各个文档中出现过的次数之和+1
-
V V V是训练样本的单词表（即抽取单词，单词出现多次，只算一个）， ∣ V ∣ \left | V \right | ∣V∣则表示训练样本包含多少种单词。
-
P ( t k ∣ c ) P\left ( t_{k} \mid c \right ) P(tk∣c)可以看作是单词 t k t_{k} tk在证明 d d d属于类 c c c上提供了多大的证据，而 P ( c ) P \left ( c \right ) P(c)则可以认为是类别 c c c在整体上占多大比例（有多大可能性）。
（2）伯努利朴素贝叶斯
对应的，在伯努利朴素贝叶斯里，我们假设各个特征在各个类别下是服从n重伯努利分布（二项分布）的，因为伯努利试验仅有两个结果，因此，算法会首先对特征值进行二值化处理（假设二值化的结果为1与0）。
对应的 P ( c ) P \left ( c \right ) P(c)和 P ( t k ∣ c ) P\left ( t_{k} \mid c \right ) P(tk∣c)计算方式如下（注意到分子分母的变化）：
P ( c ) = 类 c 下 文 件 总 数 整 个 训 练 样 本 的 文 件 总 数 P \left ( c \right )=\frac{类c下文件总数}{整个训练样本的文件总数} P(c)=整个训练样本的文件总数类c下文件总数
P ( t k ∣ c ) = 类 c 下 单 词 t k 在 各 个 文 档 中 出 现 过 的 次 数 之 和 + 1 类 c 下 单 词 总 数 + 2 P\left ( t_{k} \mid c \right ) = \frac{类c下单词t_{k}在各个文档中出现过的次数之和+1}{类c下单词总数+2} P(tk∣c)=类c下单词总数+2类c下单词tk在各个文档中出现过的次数之和+1
2）朴素贝叶斯与连续值特征
我们发现在之前的概率统计方式，都是基于离散值的。如果遇到连续型变量特征，怎么办呢？
以人的身高，物体的长度为例。一种处理方式是：把它转换成离散型的值。比如：
- 如果身高在160cm以下，特征值为1；
- 在160cm和170cm之间，特征值为2；
- 在170cm之上，特征值为3。
当然有不同的转换方法，比如还可以：
- 将身高转换为3个特征，分别是f1、f2、f3；
- 如果身高是160cm以下，这三个特征的值分别是1、0、0；
- 若身高在170cm之上，这三个特征的值分别是0、0、1。
但是，以上的划分方式，都比较粗糙，划分的规则也是人为拟定的，且在同一区间内的样本（比如第1套变换规则下，身高150和155）难以区分，我们有高斯朴素贝叶斯模型可以解决这个问题。
如果特征 x i x_{i} xi是连续变量，如何去估计似然度 P ( x i ∣ y k ) P\left ( x_{i}\mid y_{k} \right ) P(xi∣yk)呢？高斯模型是这样做的：我们假设在 y i y_{i} yi的条件下， x x x服从高斯分布（正态分布）。根据正态分布的概率密度函数即可计算出 P ( x ∣ y i ) P\left ( x \mid y_{i} \right ) P(x∣yi)，公式如下：
P ( x i ∣ y k ) = 1 2 π σ y k , i 2 e − ( x i − μ y k , i ) 2 2 σ y k , i 2 P\left(x_{i} \mid y_{k}\right)=\frac{1}{\sqrt{2 \pi \sigma_{y k, i}^{2}}} e^{-\frac{\left(x_{i}-\mu_{y k, i}\right)^{2}}{2 \sigma_{y k, i}^{2}}} P(xi∣yk)=2πσyk,i21e−2σyk,i2(xi−μyk,i)2
回到上述例子，如果身高是我们判定人性别（男/女）的特征之一，我们可以假设男性和女性的身高服从正态分布，通过样本计算出身高均值和方差，对应上图中公式就得到正态分布的密度函数。有了密度函数，遇到新的身高值就可以直接代入，算出密度函数的值。
4.平滑处理
1）为什么需要平滑处理
使用朴素贝叶斯，有时候会面临零概率问题。零概率问题，指的是在计算实例的概率时，如果某个量 x x x，在观察样本库（训练集）中没有出现过，会导致整个实例的概率结果是0。
在文本分类的问题中，当「一个词语没有在训练样本中出现」时，这个词基于公式统计计算得到的条件概率为0，使用连乘计算文本出现概率时也为0。这是不合理的，不能因为一个事件没有观察到就武断的认为该事件的概率是0。
2）拉普拉斯平滑及依据
为了解决零概率的问题，法国数学家拉普拉斯最早提出用加1的方法估计没有出现过的现象的概率，所以加法平滑也叫做拉普拉斯平滑。
假定训练样本很大时，每个分量x的计数加1造成的估计概率变化可以忽略不计，但可以方便有效的避免零概率问题。
对应到文本分类的场景中，如果使用多项式朴素贝叶斯，假定特征 x i x_{i} xi表示某个词在样本中出现的次数（当然用TF-IDF表示也可以）。拉普拉斯平滑处理后的条件概率计算公式为：
P ( x i ∣ y ) = N y i + α N y + n α P\left(x_{i} \mid y\right) =\frac{N_{y i}+\alpha}{N_{y}+n \alpha} P(xi∣y)=Ny+nαNyi+α
-
N y i N_{yi} Nyi表示类 y y y的所有样本中特征 x i x_{i} xi的特征值之和。
-
N y N_{y} Ny表示类 y y y的所有样本中全部特征的特征值之和。
-
α \alpha α表示平滑值（ α ∈ [ 0 , 1 ] \alpha \in \left [ 0, 1 \right ] α∈[0,1]，主要为了防止训练样本中某个特征没出现而导致 N y i = 0 N_{yi} =0 Nyi=0，从而导致条件概率 P ( x i ∣ y ) = 0 P\left(x_{i} \mid y\right) = 0 P(xi∣y)=0的情况，如果不加入平滑值，则计算联合概率时由于某一项为0导致后验概率为0的异常情况出现。
-
n n n表示特征总数。
更多监督学习的算法模型总结可以查看ShowMeAI的文章 AI知识技能速查 | 机器学习-监督学习。
ShowMeAI图解机器学习算法系列（完整版）
- ShowMeAI 图解机器学习算法(1) | 机器学习基础知识
- ShowMeAI 图解机器学习算法(2) | 模型评估方法与准则
- ShowMeAI 图解机器学习算法(3) | KNN算法及其应用
- ShowMeAI 图解机器学习算法(4) | 逻辑回归算法详解
- ShowMeAI 图解机器学习算法(5) | 朴素贝叶斯算法详解
- ShowMeAI 图解机器学习算法(6) | 决策树模型详解
- ShowMeAI 图解机器学习算法(7) | 随机森林分类模型详解
- ShowMeAI 图解机器学习算法(8) | 回归树模型详解
- ShowMeAI 图解机器学习算法(9) | GBDT模型详解
- ShowMeAI 图解机器学习算法(10) | XGBoost模型最全解析
- ShowMeAI 图解机器学习算法(11) | LightGBM模型详解
- ShowMeAI 图解机器学习算法(12) | 支持向量机模型详解
- ShowMeAI 图解机器学习算法(13) | 聚类算法详解
- ShowMeAI 图解机器学习算法(14) | PCA降维算法详解
ShowMeAI系列教程精选推荐
- 大厂技术实现：推荐与广告计算解决方案
- 大厂技术实现：计算机视觉解决方案
- 大厂技术实现：自然语言处理行业解决方案
- 图解Python编程：从入门到精通系列教程
- 图解数据分析：从入门到精通系列教程
- 图解AI数学基础：从入门到精通系列教程
- 图解大数据技术：从入门到精通系列教程
- 图解机器学习算法：从入门到精通系列教程
- 机器学习实战：手把手教你玩转机器学习系列
- 深度学习教程：吴恩达专项课程 · 全套笔记解读
- 自然语言处理教程：斯坦福CS224n课程 · 课程带学与全套笔记解读
- 深度学习与计算机视觉教程：斯坦福CS231n · 全套笔记解读
