朴素贝叶斯分类算法原理与Python实现与使用方法案例

朴素贝叶斯分类算法原理与朴素贝叶斯分类算法原理与Python实现与使用方法案例实现与使用方法案例

主要介绍了朴素贝叶斯分类算法原理与Python实现与使用方法,结合具体实例形式分析了朴素贝叶斯分类算法的概念、原理、实现流程与相关操作技巧,需要的朋友可

以参考下

本文实例讲述了朴素贝叶斯分类算法原理与Python实现与使用方法。分享给大家供大家参考，具体如下：

朴素贝叶斯分类算法朴素贝叶斯分类算法

1、朴素贝叶斯分类算法原理、朴素贝叶斯分类算法原理

1.1、概述、概述

贝叶斯分类算法贝叶斯分类算法是一大类分类算法的总称

朴素贝叶斯的思想思想是这样的：

如果一个事物在一些属性条件发生的情况下，事物属于A的概率>属于B的概率，则判定事物属于A

通俗来说比如，你在街上看到一个黑人，我让你猜这哥们哪里来的，你十有八九猜非洲。为什么呢？

在你的脑海中，有这么一个判断流程：

①、这个人的肤色是黑色 <特征>

②、黑色人种是非洲人的概率最高 <条件概率：黑色条件下是非洲人的概率>

③、没有其他辅助信息的情况下，最好的判断就是非洲人

这就是朴素贝叶斯的思想基础。

再扩展一下，假如在街上看到一个黑人讲英语，那我们是怎么去判断他来自于哪里？

提取特征：提取特征：

在我们的自然思维方式中，就会这样判断：

这个人来自非洲的概率：80% * 10% = 0.08

这个人来自美国的概率：20% * 90% =0.18

我们的判断结果就是：此人来自美国！

其蕴含的数学原理如下：其蕴含的数学原理如下：

p(A|xy)=p(Axy)/p(xy)=p(Axy)/p(x)p(y)=p(A)/p(x)*p(A)/p(y)* p(xy)/p(xy)=p(A|x)p(A|y)

P(类别类别 | 特征特征)=P(特征特征 | 类别类别)*P(类别类别) / P(特征特征)

1.3、算法步骤、算法步骤

①、分解各类先验样本数据中的特征

②、计算各类数据中，各特征的条件概率

......

⑤、结果中的最大值就是该样本所属的类别

1.4、算法应用举例、算法应用举例

大众点评、淘宝等电商上都会有大量的用户评论，比如：

1、衣服质量太差了！！！！颜色根本不纯！！！ 0

2、我有一有种上当受骗的感觉！！！！ 0

3、质量太差，衣服拿到手感觉像旧货！！！ 0

4、上身漂亮，合身，很帅，给卖家点赞 1

5、穿上衣服帅呆了，给点一万个赞 1

6、我在他家买了三件衣服！！！！质量都很差！ 0