【机器学习】贝叶斯公式： P(B|A)=P(B)P(A|B)/P(A)

最新推荐文章于 2024-08-24 14:45:28 发布

fxflyflyfly

最新推荐文章于 2024-08-24 14:45:28 发布

阅读量9.9k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器学习

本文链接：https://blog.csdn.net/fxflyflyfly/article/details/103989017

本文介绍了贝叶斯公式在病人分类、账号分类和性别分类中的应用。通过朴素贝叶斯分类器，利用统计资料计算不同类别下特征的概率，以确定新实例的类别。例如，通过计算打喷嚏建筑工人患感冒的概率，判断其可能的疾病。文章还讨论了处理连续变量的方法，如将连续值转换为离散区间或假设变量服从正态分布。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

贝叶斯公式： P(B|A)=P(B)P(A|B)/P(A)

P(AB)：AB同时发生的概率
P(A|B): 在B发生的条件下，A发生的概率

一、病人分类的例子

让我从一个例子开始讲起，你会看到贝叶斯分类器很好懂，一点都不难。
某个医院早上收了六个门诊病人，如下表。

症状　　		职业　　		 疾病

打喷嚏　     护士　　      感冒 
打喷嚏　     农夫　　　    过敏 
头痛　　     建筑工人　    脑震荡 
头痛　　     建筑工人　    感冒 
打喷嚏　     教师　　　    感冒 
头痛　       教师         脑震荡

现在又来了第七个病人，是一个打喷嚏的建筑工人。请问他患上感冒的概率有多大？
根据贝叶斯定理：