贝叶斯分类器实验报告多代码全
需积分: 5 3 浏览量
2022-10-18
16:52:19
上传
评论
收藏 78KB DOC 举报
题目 1 贝叶斯分类器的原理介绍与实现
1．1 题目的主要研究内容（宋体四号加粗左对齐）
（1）组的主要任务描述
在本次课堂讨论中，我们小组负责的是贝叶斯分类器的原理介绍与实现，
具体研究内容为：最小错误率贝叶斯分类器原理介绍及实现、最小风险贝叶斯分
类器原理介绍及实现、朴素贝叶斯分类器原理介绍及实现。
（2）自己工作的主要描述
在此次实验中，我负责的部分是朴素贝叶斯分类器的原理介绍及 PPT 制
作和讲解。
1．2 题目研究的工作基础或实验条件
（1）硬件环境
主机：CPU：Intel(R) Core(TM) i7-8550U CPU @ 1.80GHz 2.00GH
内存：8G
操作系统：Windows 10
（2）软件环境
Python 语言，IntelliJ Pycharm 2021.1.2
1．3 设计思想
朴素贝叶斯分类器原理介绍：
贝叶斯分类器是一类分类算法的总称，以贝叶斯定理为基础，故统称为贝叶
斯分类器。根据贝叶斯公式 P(Y│X)=(𝑃(𝑋│𝑌)𝑃(𝑌))/(𝑃(𝑋))，可以看出贝叶斯法
则就是用先验概率和条件概率估计后验概率。从而朴素贝叶斯分类器可以解决多
属性分类问题，朴素贝叶斯分类器属于监督学习的生成模型，实现简单，没有迭
代，并有贝叶斯定理作为支撑。在大量样本下会有较好的表现，不适用于输入向
量的特征条件有关联的场景。
基于贝叶斯公式来估计后验概率 P(Y|X)的难点在于类条件概率 P(X|Y)是所
有属性的联合概率,很难从有限的训练数据集上直接获得，所以朴素贝叶斯采用
了“属性条件的独立性假设”来估计，也就是对于所有的属性，假设它们之间相
互独立，不对分类结果的产生有任何影响。因此朴素贝叶斯分类器的计算公式为
资源评论
