樸素貝葉斯理論--自我理解
阿新 • • 發佈:2018-12-10
例子-正向概率
還是拿質檢員的例子來做分析,假如我是一個質檢員,現在接到了三箱零件需要檢驗,其中第一箱有10個零件,第二箱有20個零件,第三箱有15個。半小時過去了,檢驗的結果出爐,第一箱有1個不合格,第二箱有3個不合格,第三箱2個不合格。
箱子 | 總零件個數 | 不合格 |
---|---|---|
A | 10 | 1 |
B | 20 | 3 |
C | 15 | 2 |
那現在我從這三個箱子中隨便拿取一個零件,這個零件是合格的概率是多少呢?我們假設事件D:零件合格,則:
像這樣得出一個零件是合格的概率就計算出來了,但是在機器學習領域中,可能我們更想知道,給你一個樣本,這個樣本屬於哪個類目的問題,這也叫分類問題,這就涉及到反向概率的問題。反向概率-樸素貝葉斯理論
現在我們假設這樣一個場景:你拿到了一個零件,這個零件是屬於哪個箱子?這個問題在機器學習中就是類比為:給你一個樣本,這個樣本有很多特徵,機器模型輸出該樣本屬於哪個類別。這樣我們來理解貝葉斯理論。