Capire i metodi bayesiani

Apprendimento supervisionato in R: Classificazione

Brett Lantz

Instructor

Stimare la probabilità

Mappa delle posizioni

La probabilità di A si indica con P(A)

  • P(work) = 23 / 40 = 57,5%
  • P(store) = 4 / 40 = 10,0%
Apprendimento supervisionato in R: Classificazione

Probabilità congiunta ed eventi indipendenti

Diagrammi di Venn

La probabilità congiunta degli eventi A e B si indica con P(A e B)

  • P(work e evening) = 1%
  • P(work e afternoon) = 20%
Apprendimento supervisionato in R: Classificazione

Probabilità condizionata ed eventi dipendenti

Diagrammi di Venn

La probabilità condizionata di A e B si indica con P(A | B)

  • P(A | B) = P(A e B) / P(B)
  • P(work | evening) = 1 / 25 = 4%
  • P(work | afternoon) = 20 / 25 = 80%
Apprendimento supervisionato in R: Classificazione

Fare previsioni con Naive Bayes

# building a Naive Bayes model
library(naivebayes)
m <- naive_bayes(location ~ time_of_day, data = location_history)

# making predictions with Naive Bayes
future_location <- predict(m, future_conditions)
Apprendimento supervisionato in R: Classificazione

Esercitiamoci!

Apprendimento supervisionato in R: Classificazione

Preparing Video For Download...