朴素贝叶斯分类

outlook			temperature			humidity			windy			play
	yes	no		yes	no		yes	no		yes	no	yes	no
sunny	2	3	hot	2	2	high	3	4	FALSE	6	2	9	5
overcast	4	0	mild	4	2	normal	6	1	TRUR	3	3
rainy	3	2	cool	3	1

如以上表格，现在我们来计算当条件为sunny,cool,high,TRUE时候是否去play，当然，决策树也可以，本节通过朴素贝叶斯来求解。

 

B1，B2.....BN

首先来看下贝叶斯公式，B条件下A发生的概率，也就是在sunny,cool,high,TRUE等于yes的概率，以及等于no的概率，都计算出来，比较大小，哪个大，结果就是哪个。

P(YES|ALL) = P(ALL|YES)P(YES)/P(ALL) = P(SUNNY|YES)P(COOL|YES)P(HIGH|YES)P(TRUE|YES)P(YES)/P(ALL)

=2/9*3/9*3/9*3/9*9/14/P(ALL)=0.005/P(ALL)

P(NO|ALL) = P(ALL|NO)P(NO)/P(ALL) = P(SUNNY|NO)P(COOL|NO)P(HIGH|NO)P(TRUE|NO)P(NO)/P(ALL)

=3/5*1/5*4/5*3/5*5/14/P(ALL)=0.021/P(ALL)

所以得出是NO的概率大，所以在sunny,cool,high,true的条件下应该不去打球

注意表中有一个数据为0，这意味着在outlook为overcast的情况下，不打球和概率为0，即只要为overcast就一定打球，这违背了朴素贝叶斯的基本假设：输出依赖于所有的属性。