20丨朴素贝叶斯分类（上）：如何让机器判断男女？
该思维导图由 AI 生成，仅供参考
贝叶斯原理
荧光笔
直线
曲线- 深入了解
- 翻译
- 解释
- 总结
贝叶斯原理是一种基于概率统计的分类方法，对机器学习领域具有重要意义。本文介绍了贝叶斯原理的基本概念和在生活中的应用，以及对统计学和科学史的影响。通过生动的例子，作者解释了贝叶斯原理的实际应用，如利用花钱的频次来推断一个人的财富状况。此外，文章还介绍了朴素贝叶斯算法，该算法假设每个输入变量是独立的，对于大部分复杂问题仍然非常有效。朴素贝叶斯分类器常用于文本分类，垃圾文本过滤等领域，具有广泛的应用前景。总的来说，本文为读者提供了对贝叶斯原理的初步了解，为进一步学习相关内容提供了基础知识。
《数据分析实战 45 讲》，新⼈⾸单¥59
全部留言(77)
- 最新
- 精选
- lianlian老师的数学理论和实战能力一定很强(✪▽✪)，思考题：1.出轨，对应隐变量，则出轨的概率根据经验得到，为先验概率；2.暧昧短信的出现为观测变量，在出轨的条件下，求出现暧昧短信的概率，即在隐变量的条件下，计算对应观测变量的概率，此为条件概率；3.在出现暧昧短信的条件下，求出轨的概率，即在观测变量的条件下，计算对应隐变量的概率，此为后验概率，然而后验概率属于条件概率中的一种。
编辑回复: 谢谢认可，关于三个问题对应的概率解释的不错。
2019-01-28251 
文晟在朴素贝叶斯中，我们要统计的是属性的条件概率，也就是假设取出来的是白色的棋子，那么它属于盒子 A 的概率是 2/3。 这个我算的是3/5，跟老师的不一样，老师可以给一下详细步骤吗编辑回复: 不少同学都遇到了这个问题，我来统一解答下。 这里我们需要运用贝叶斯公式（我在文章中也给出了），即： P(Bi|A)=P(Bi)P(A|Bi) / (P(B1)*P(A|B1)+P(B2)*P(A|B2)) 假设A代表白棋子，B1代表A盒，B2代表B盒。带入贝叶斯公式，我们可以得到： P(B1|A)=P(B1)P(A|B1) / (P(B1)*P(A|B1)+P(B2)*P(A|B2))=(4/7 * 1/2) / ( 4/7 * 1/2 + 3/7 * 1/3) = 2/3 其中P(B1)代表A盒的概率，7个棋子，A盒有4个，所以P(B1)=4/7。 P(B2)代表B盒的概率，7个棋子，B盒有3个，所以P(B2)=3/7。 最终求得取出来的是白色的棋子，那么它属于 A盒的概率P(B1|A)= 2/3。
2019-01-281025
深白浅黑答案依次是： 1、先验概率，以经验进行判断。 2、后验概率，以结果进行判断。 3、条件概率，在某种条件下，发生结果的概率。编辑回复: 分析的正确，顺序应该如下 1、先验概率，以经验进行判断。 2、条件概率，在某种条件下，发生结果的概率。 3、后验概率，以结果进行判断。
2019-02-02524
周飞1.离散型变量可以直接计算概率，连续型变量需要看成正态分布，然后计算期望和标准差，来计算概率。 2.你在没有任何情况下，出轨的概率 是先验概率 如果你出轨了，那么你的手机里有暧昧短信的概率。是后验概率 也是 条件概率 在你的手机里发现了暧昧短信，认为你出轨的概率。是条件概率作者回复: 很好的总结
2019-03-0913
夏天检查出为阳性患有贝叶死和没有患有贝叶死这两个公式不好理解，希望能详细解释，没看懂编辑回复: 我们假设：A表示 测出为阳性，B1表示患有贝叶死，B2表示没有患贝叶死。 检查出为阳性患有贝叶死 检查出阳性&患有贝叶死的概率，实际上是联合概率，也就是同时符合这两个条件的概率，我们用P(B1, A)代表。 那联合概率和条件概率是什么关系呢？实际上有个公式： P(X=a|Y=b) = P(X=a, Y=b) / P(Y=b) 这个公式告诉我们，如果想要求Y=b的条件下X=a的概率，等于我们知道同时符合 X=a和Y=b的概率，除以Y=b的概率。 因此你可以得出P(X=a, Y=b) = P(X=a|Y=b) * P(Y=b) 同样，带入我们想求的P(B1, A) = P(A, B1) = P(B1) * P(A|B1) 这个公式如果理解了，我在文章中计算了P(A|B1)=99.9%，P(B1)=0.01%，带入求得 0.01% * 99.9% = 0.00999% 同理，你也可以知道检查出阳性&没有患有贝叶死的概率，也就是P(B2, A)，原理和P(B1, A)是一样的。 上面统计的是联合概率。如果是条件概率，比如P(B1|A)代表的是，在检查为阳性的情况下，患有贝叶死的概率。
2019-02-04211
FeiFei四个基础知识： 先验概率：经验推测。 条件概率：在某条件下，另一件事发生的概率。 后验概率：在事情已经发生后，推测原因。 拟然函数：关于统计参数的函数。作者回复: Good 总结的不错
2019-07-094
求知鸟1、你在没有任何情况下，出轨的概率；（先验概率） 2、在你的手机里发现了暧昧短信，认为你出轨的概率。（条件概率） 3、如果你出轨了，那么你的手机里有暧昧短信的概率；（后验概率） 对应到贝叶斯案例 1、假设有一种病叫做“贝叶死”，它的发病率是万分之一， 2、现有一种测试可以检验一个人是否得病的准确率是 99.9%，它的误报率是 0.1% 3、那么现在的问题是，如果一个人被查出来患有“叶贝死”，实际上患有的可能性有多大？作者回复: 2、现有一种测试可以检验一个人是否得病的准确率是 99.9%，它的误报率是 0.1%。这个不是条件概率。其他都正确
2019-05-2922
每天晒白牙第一个问题：离散数据可以方便计算出分类概率和条件概率，然后代入公式。但连续数据因为变量是连续的，不能采用离线的方法计算概率，这就需要根据数据具体的特点转化成特定的函数，用函数的特点计算 第二个问题：先验概率、后验概率、条件概率编辑回复: 正确，计算了K折交叉验证的准确率，同时也给出了决策树的可视化。
2019-01-301
桔子贝叶斯的理论真的很难理解，基于概率论的算法普遍可解释性偏差。作者回复: 确实如此。多尝试下，慢慢就理解了
2020-03-26
Ronnyz
作业： 1. 先验概率，依据经验判断 2. 条件概率，在出轨的条件下，出现暧昧短信的概率 3. 后验概率，以暧昧短信出现的结果，判断出轨的概率作者回复: 对的 正确
2019-11-12
