分类算法——朴素贝叶斯分类(一)

       这张主要介绍朴素贝叶斯分类，用通俗易懂的语言简单介绍朴素贝叶斯的思想。

       朴素贝叶斯分类是一种十分简单的分类算法，叫它朴素贝叶斯分类是因为这种方法的思想真的很朴素，朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。

       通俗来说，就好比这么个道理，你在街上看到一个黑人，我问你你猜这哥们哪里来的，你十有八九猜非洲。为什么呢？因为黑人中非洲人的比率最高，当然人家也可能是美洲人或亚洲人，但在没有其它可用信息下，我们会选择条件概率最大的类别，这就是朴素贝叶斯的思想基础。

       分类问题一般都是通过对经验的学习从而实现对一定概率意义上的正确分类，如前面的例子，为什么遇到黑人会认为他来自于非洲？其实可以从世界黑人中随机取100W个黑人，统计发现90W来自非洲，其他来自美洲、欧洲、亚洲。显然这个经验告诉我们，黑人来自非洲的比率最高，也就是说，朴素贝叶斯分类会预测这个人来自非洲。

       下章将详细介绍朴素贝叶斯分类的正式定义以及算法流程，详见分类算法——朴素贝叶斯分类(二)。

好像网上流传的《数学之美》很大一部分内容将这个的。不知道我有没有记错。

那天看到文章：《大数据用户画像的方法、实践与行业应用》，让我联想到贝叶斯，本人认为那篇文章引向ontology engineering至少在当前是错误的

Fuller 发表于 2016-1-5 18:13
好像网上流传的《数学之美》很大一部分内容将这个的。不知道我有没有记错。

那天看到文章：《大数据用户画 ...

确实贝叶斯分类在现阶段是比较流行并且实用的算法，如在银行业中预测贷款拖欠者，电信行业中预测哪些客户会流失。。。