ベイズ法の理解

Rで学ぶSupervised Learning：分類

Brett Lantz

Instructor

確率の推定

位置マップ

A の確率は P(A) で表されます

  • P(職場) = 23 / 40 = 57.5%
  • P(店舗) = 4 / 40 = 10.0%
Rで学ぶSupervised Learning：分類

同時確率と独立事象

ベン図

事象 A と B の同時確率は P(A and B) で表されます

  • P(職場 and 夕方) = 1%
  • P(職場 and 午後) = 20%
Rで学ぶSupervised Learning：分類

条件付き確率と従属事象

ベン図

事象 A と B の条件付き確率は P(A | B) で表されます

  • P(A | B) = P(A and B) / P(B)
  • P(職場 | 夕方) = 1 / 25 = 4%
  • P(職場 | 午後) = 20 / 25 = 80%
Rで学ぶSupervised Learning：分類

ナイーブベイズによる予測

# 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)
Rで学ぶSupervised Learning：分類

では、練習しましょう！

Rで学ぶSupervised Learning：分類

Preparing Video For Download...