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