"贝叶斯分类器"有什么实际意义?是做什么用的?为什么要提出这样的一个概念?
来源：学生作业帮助网 编辑：六六作业网 时间：2024/12/25 09:57:27
"贝叶斯分类器"有什么实际意义?是做什么用的?为什么要提出这样的一个概念?
"贝叶斯分类器"有什么实际意义?是做什么用的?
为什么要提出这样的一个概念?
"贝叶斯分类器"有什么实际意义?是做什么用的?为什么要提出这样的一个概念?
贝叶斯分类器的分类原理是通过某对象的先验概率,利用贝叶斯公式计算出其后验概率,即该对象属于某一类的概率,选择具有最大后验概率的类作为该对象所属的类.目前研究较多的贝叶斯分类器主要有四种,分别是：Naive Bayes、TAN、BAN和GBN.
贝叶斯网络是一个带有概率注释的有向无环图,图中的每一个结点均表示一个随机变量,图中两结点间若存在着一条弧,则表示这两结点相对应的随机变量是概率相依的,反之则说明这两个随机变量是条件独立的.网络中任意一个结点X 均有一个相应的条件概率表(Conditional Probability Table,CPT),用以表示结点X 在其父结点取各可能值时的条件概率.若结点X 无父结点,则X 的CPT 为其先验概率分布.贝叶斯网络的结构及各结点的CPT 定义了网络中各变量的概率分布.
贝叶斯分类器是用于分类的贝叶斯网络.该网络中应包含类结点C,其中C 的取值来自于类集合( c1 ,c2 ,...,cm),还包含一组结点X = ( X1 ,X2 ,...,Xn),表示用于分类的特征.对于贝叶斯网络分类器,若某一待分类的样本D,其分类特征值为x = ( x1 ,x2 ,...,x n) ,则样本D 属于类别ci 的概率P( C = ci | X1 = x1 ,X2 = x 2 ,...,Xn = x n) ,( i = 1 ,2 ,...,m) 应满足下式：
P( C = ci | X = x) = Max{ P( C = c1 | X = x) ,P( C = c2 | X = x ) ,...,P( C = cm | X = x ) }
而由贝叶斯公式：
P( C = ci | X = x) = P( X = x | C = ci) * P( C = ci) / P( X = x)
其中,P( C = ci) 可由领域专家的经验得到,而P( X = x | C = ci) 和P( X = x) 的计算则较困难.
应用贝叶斯网络分类器进行分类主要分成两阶段.第一阶段是贝叶斯网络分类器的学习,即从样本数据中构造分类器,包括结构学习和CPT 学习；第二阶段是贝叶斯网络分类器的推理,即计算类结点的条件概率,对分类数据进行分类.这两个阶段的时间复杂性均取决于特征值间的依赖程度,甚至可以是NP 完全问题,因而在实际应用中,往往需要对贝叶斯网络分类器进行简化.根据对特征值间不同关联程度的假设,可以得出各种贝叶斯分类器,Naive Bayes、TAN、BAN、GBN 就是其中较典型、研究较深入的贝叶斯分类器.