机器学习实战 - 读书笔记(04) - 朴素贝叶斯

核心公式 - 贝叶斯准则

p(c|x) = \frac{p(x|c)p(c)}{p(x)}

• p(c|x) 是在x发生的情况下，c发生的概率。
• p(x|c) 是在c发生的情况下，x发生的概率。
• p(c) 是c发生的概率。
• p(x) 是x发生的概率。

规则

如果P(c₁|x) > P(c₂|x)，那么属于类别c₁。 如果P(c₁|x) < P(c₂|x)，那么属于类别c₂。

等价变化

p(c1|x) = \frac{p(x|c1)p(c1)}{p(x)} p(c2|x) = \frac{p(x|c2)p(c2)}{p(x)} Therefore, comparing p(c1|x) and p(c2|x) are same as comparing \frac{p(x|c1)p(c1)}{p(x)} and \frac{p(x|c2)p(c2)}{p(x)} same as comparing p(x|c1)p(c1) and p(x|c2)p(c2)

多个独立特征的变化

p(x|c1)中，x是多个独立特征，即x=x_0,x_1...x_n, 则： p(x|c1)=p(x_0,x_1...x_n|c1) p(x|c1)=p(x_0|c1)p(x_1|c1)...p(x_n|c1)

下溢出问题

为了解决下溢出问题，这是由于太多很小的数相乘造成的,所以程序会下溢出或者得到不正确的答案。 在代数中有ln(a*b) = ln(a)+ln(b)，于是通过求对数可以避免下溢出或者浮点数舍入导致的错误。同时，采用自然对数进行处理不会有任何损失。 Therefore, comparing p(c1|x) and p(c2|x) same as comparing log(p(x_0|c1)) + log(p(x_1|c1)) + ... + log(p(x_n|c1) + log(p(c1))

and

log(p(x_0|c2)) + log(p(x_1|c2)) + ... + log(p(x_n|c2) + log(p(c2))

实际应用

• 过滤侮辱性留言
• 过滤垃圾邮件