分类--贝叶斯分类

1、贝叶斯分类方法是统计学的分类方法，它利用概率统计知识预测给定元组属于特定类的概率。

2、贝叶斯分类源于贝叶斯定理，最简单的贝叶斯分类算法是朴素贝叶斯分类法。该方法虽然简单，但是在实际应用上表现出了很高的准确率和效率，而且可以用到大型数据库中。

3、我们先聊了解下贝叶斯定理是怎么一回事儿。

给出情景：有一批产品，在机器良好的时候生产产品合格的概率为70%，在机器故障的时候生产产品合格的概率为30%，机器良好的概率为60%，那么当我们生产出的产品合格时，机器良好的概率为多少？

1）先根据语句写出已知条件：假设机器良好为A1，机器故障为A2，产品合格为B

       P(B|A1)=70%, P(B|A2)=30%,P(A1)=60%

2）可知先验概率   A1：A2=60%：（1-60%）=6:4

      似然函数        P(B|A1)=70%：P(B|A2)=30%=7:3

      两两相乘得42:12

     42+12=54便是全概率公式计算出来的值

      故而得出后验概率为42/54=7/9

3）作图来直面一下过程：（把先验概率写x向，证据因子写y向）

P(B|A1)=(70%X60%)/(70%X60%+30%X40%)=7/9

4）贝叶斯定理公式：

5）并且，比值 P(B|A)/P(B)>1，意味着"先验概率"被增强，事件A的发生的可能性变大；

                                                  =1，意味着B事件无助于判断事件A的可能性；

                                                  <1，意味着"先验概率"被削弱，事件A的可能性变小。

4、朴素贝叶斯分类有一个简单的前提假设，即属性之间是条件独立的，也叫做类条件独立性假设。

5、举例说明

一只大晚上懒得敲公式直接打的统计狗

6、朴素贝叶斯的优缺点：

它的优势在于它易于实现，而且在大多数情况下能够获得较好的分类准确率。劣势在于它的类条件独立性假设，如果数据的各个属性之间有较强的依赖关系，那么朴素贝叶斯就不能取得较好的结果。

7、如何处理属性之间的依赖关系呢？

贝叶斯信念网络告诉你做人的道理~