目錄
樸素貝葉斯是一種概率算法,它基於條件概率這一概念,該算法有很多優勢:易於實現,訓練速度快。
猜測人
已知與推斷
貝葉斯定理
敏感性:在金標準判斷有病(陽性)人羣中,檢測出陽性的機率。真陽性。即,識別能力, 敏感性越高,漏診概率越低。
特異性:在金標準判斷無病(陰性)人羣中,檢測出陰性的機率。真陰性。檢測出確實沒病的能力, 特異性越高,確診概率越高。
假陽性率:得到了陽性結果,但這個陽性結果是假的。即在金標準判斷無病(陰性)人羣中,檢測出爲陽性的機率。(沒病,但卻檢測結果說有病),爲誤診率。
假陰性率:得到了陰性結果,但這個陰性結果是假的。即在金標準判斷有病(陽性)人羣中,檢測出爲陰性的機率。(有病,但卻檢測結果說沒病),爲漏診率。
貝葉斯學習
樸素貝葉斯算法
在樸素貝葉斯定理中,假設概率是相互獨立的,天真、不成立的假設,在實踐中效果很好,使算法速度很快。,這是貝葉斯的基礎,採用的技巧是忘記P(B),變成了,變成一種比例關係。。然後對計算出的概率歸一化。