Förstå bayesianska metoder

Övervakat lärande i R: Klassificering

Brett Lantz

Instructor

Skatta sannolikhet

Platskarta

Sannolikheten för A betecknas P(A)

  • P(arbete) = 23 / 40 = 57,5%
  • P(butik) = 4 / 40 = 10,0%
Övervakat lärande i R: Klassificering

Simultansannolikhet och oberoende händelser

Venndiagram

Simultansannolikheten för händelserna A och B betecknas P(A och B)

  • P(arbete och kväll) = 1%
  • P(arbete och eftermiddag) = 20%
Övervakat lärande i R: Klassificering

Betingad sannolikhet och beroende händelser

Venndiagram

Betingad sannolikhet för händelserna A och B betecknas P(A | B)

  • P(A | B) = P(A och B) / P(B)
  • P(arbete | kväll) = 1 / 25 = 4%
  • P(arbete | eftermiddag) = 20 / 25 = 80%
Övervakat lärande i R: Klassificering

Göra förutsägelser med 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)
Övervakat lärande i R: Klassificering

Nu kör vi en övning!

Övervakat lärande i R: Klassificering

Preparing Video For Download...