坚持朴素贝叶斯分类

时间:2015-08-11 14:11:41

标签: algorithm machine-learning classification

我正在研究一个了解朴素贝叶斯分类的例子,并想知道我的思维过程是否正确。所以我有三个用户,如果他们拥有Nike或Reebok鞋子,或者两者都有,那就是真或假。所以用户可以拥有一双以上的鞋子。我想计算Reebok的概率,如果他们拥有Nike's。这是我的数据:

User  | Nike  | Reebok 
Jesse | true  | false
Jake  | false | true 
John  | true  | true   - only user with both

以下是我尝试这样做的方法:

1) P(both | Reebok) = 1/2 = 50%  
2) Prior Prob = P(both | total user = 1/3 = 33%  
3) P(Reebok | total user = 2/3 = 67%
4) Posterior Prob = (50% * 33%)/67% = 25%

因此,结果将是如果用户拥有Nike's,他们拥有Reebok的后验概率为25%。

1 个答案:

答案 0 :(得分:0)

根据Bayes' theorem

p(Reebok | Nike) = p(Reebok) p(Nike | Reebok) / p(Nike)

在你的例子中:

  • p(Reebok) = 2/3
  • p(Nike) = 2/3
  • p(Nike | Reebok) = 1/2

因此,结果p(Reebok | Nike) = 1/2符合预期。