导图社区概率论基于贝叶斯决策理论分类方法笔记思维导图

概率论基于贝叶斯决策理论分类方法笔记思维导图

概率论基于贝叶斯决策理论分类方法笔记思维导图，整理了条件概率、使用条件概率来分类、使用朴素贝叶斯进行文档分类、使用Python进行文本分类等内容，一起学习吧。

编辑于2023-02-23 22:38:06 广东

概率论
贝叶斯决策理论

凝

他的近期作品查看更多>>

概率论基于贝叶斯决策理论分类方法笔记思维导图

社区模板帮助中心，点此进入>>

凝

他的近期作品查看更多>>

相似推荐
大纲

英语词性
- 58.5k
- 6.4k
- 2.4k
- 581
Ethan
法理
- 25.2k
- 65
- 371
- 52
Dasein
刑法总则
- 34.2k
- 147
- 958
- 158
Dasein
【华政插班生】文学常识-先秦
- 1.3k
- 4
- 70
- 2
Dasein
【华政插班生】文学常识-秦汉
- 846
- 0
- 54
- 10
Dasein
文学常识：魏晋南北朝
- 2.3k
- 3
- 90
- 20
Dasein
【华政插班生】文学常识-隋唐五代
- 2.0k
- 8
- 98
- 6
Dasein
民法分论
- 6.0k
- 37
- 290
- 29
Dasein
日语高考動詞の活用
- 1.7k
- 7
- 63
- 8
鱼子酱
第14章DNA的生物合成读书笔记
- 18.2k
- 21
- 451
- 91
小凡

概率论基于贝叶斯决策理论分类方法笔记思维导图

基于贝叶斯决策理论的分类方法

优点

在数据较少的情况下仍然有效

可以处理多类别问题

缺点

对于输入数据的准备方式较为敏感

适用数据类型

标称型

贝叶斯决策理论

假设一个数据集由两类数据组成

假设找到了两类数据的统计参数

p1(x,y)表示数据点(x,y)属于类别1的概率

p2(x,y)表示数据点(x,y)属于类别2的概率

如果p1(x,y) > p2(x,y)，则类别为1

如果p1(x,y) < p2(x,y)，则类别为2

本例和前两章方法对比

kNN计算量大

决策树不会非常成功

条件概率

贝叶斯准则

使用条件概率来分类

应用贝叶斯准则得到

定义贝叶斯分类准则

如果p(c1|x,y) > p(c2|x,y)，则属于类别c1

如果p(c1|x,y) < p(c2|x,y)，则属于类别c2

使用朴素贝叶斯进行文档分类

朴素贝叶斯一般过程

收集数据

任何方法

本章RSS

准备数据

数值型

布尔型

分析数据

大量特征时，绘制特征作用不大

直方图效果更好

训练算法

计算不同的独立特征的条件概率

测试算法

计算错误率

使用算法

常见应用是文档分类

可在任意场景使用

样本数

如果每个特征N个样本，那么1000个特征的词汇表需要N**1000个样本

特征独立

样本数减少到N*1000

独立

一个特征出现的可能性和其他单词相邻没有关系

朴素贝叶斯

假设

每个特征同等重要

贝努利模型

多项式模型

使用Python进行文本分类

例

在线社区屏蔽侮辱类词汇

准备数据：从文本中构建词向量

训练算法：从词向量计算概率

已知

一个词是否出现在文档中

文档所属类别

重写贝叶斯准则

w是与词汇表个数相同的数值向量

对每个类计算概率，比较大小

类别i文档数/总文档数=p(ci)

伪代码

测试算法：根据现实情况修改分类器

问题

计算多个概率乘积时，其中一个是0，乘积也是0

解决

所有词出现次数初始化为1

分母初始化为2

下溢出：太多很小的数相乘

解决

取对数

准备数据：文档词袋模型

词集模型

每个词出现与否作为一个特征

词袋模型

每个词出现不止一次，词出现的次数作为特征

示例：使用朴素贝叶斯过滤垃圾邮件

准备数据：切分文本

string.split()

大小写

如果目的是句子查找，有用

本例，需要统一成小写

HTML和URI的对象处理

去除过短的单词

测试算法：使用朴素贝叶斯进行交叉验证

留存交叉验证

随机选择数据集的一部分作为训练集，另一部分作为测试集的过程

示例：使用朴素贝叶斯分类器从个人广告中获取区域倾向

收集数据：导入RSS源

Python的Universal Feed Parser库

去除高频词汇

另一个常用方法是：停用词表

http://www.ranks.nl/resources/stopwords.html

准确估计

多次实验

分析数据：显示地域相关的用词

返回大于某个阈值的所有词