Bayesovské metody

Supervised Learning v R: Klasifikace

Brett Lantz

Instructor

Odhad pravděpodobnosti

Mapa polohy

Pravděpodobnost jevu A se označuje P(A)

  • P(práce) = 23 / 40 = 57,5 %
  • P(obchod) = 4 / 40 = 10,0 %
Supervised Learning v R: Klasifikace

Sdružená pravděpodobnost a nezávislé jevy

Vennovy diagramy

Sdružená pravděpodobnost jevů A a B se označuje P(A a B)

  • P(práce a večer) = 1 %
  • P(práce a odpoledne) = 20 %
Supervised Learning v R: Klasifikace

Podmíněná pravděpodobnost a závislé jevy

Vennovy diagramy

Podmíněná pravděpodobnost jevů A a B se označuje P(A | B)

  • P(A | B) = P(A a B) / P(B)
  • P(práce | večer) = 1 / 25 = 4 %
  • P(práce | odpoledne) = 20 / 25 = 80 %
Supervised Learning v R: Klasifikace

Predikce s Naivním Bayesem

# 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)
Supervised Learning v R: Klasifikace

Pojďme si procvičit!

Supervised Learning v R: Klasifikace

Preparing Video For Download...