阿里雲 05：機器學習算法詳解 06 -- 貝葉斯方法

本文基本不涉及公式推導，只有一些簡單的運算。理解記憶性的概念和結論比較多。通過一個預測是否購買電腦的例子，講解了樸素貝葉斯的流程。

---

---

1. 貝葉斯方法

1.1 概率基本知識

本部分對於大學期間學習過概率論與數理統計課程的學習者來說，沒有難度；如果之前沒有學習過的話，可以學一下先修課程，阿里雲有系列課程，其他資源也很多。

1.1.1 隨機試驗與隨機事件

1.1.2 事件關係與韋恩圖

1.1.3 概率及性質

1.1.4 條件概率

乘法公式：

1.1.5 事件獨立性

全概率公式：

1.2 貝葉斯公式

分子是乘法公式；分母是全概率公式。

---

2.貝葉斯推斷

2.1 先驗概率與後驗概率

2.2 似然函數

後驗概率VS似然函數VS先驗概率

2.3 最大後驗估計

先看一個拋硬幣的例子。

1. 最大似然估計考慮該問題
   
2. 最大後驗概率考慮該問題
   
3. 最大後驗估計
   
   

---

3. 樸素貝葉斯

如果事件之間影響比較大，或者說關聯程度很高的話，最好不要使用樸素貝葉斯。

3.1 樸素貝葉斯的定義

3.2 樸素貝葉斯的模型

3.3 樸素貝葉斯實例

1. 計算先驗概率、計算年齡對是否購買的概率
   
2. 計算收入層次對是否購買的概率、計算是否單身對是否購買的概率
   
3. 使用樸素貝葉斯計算待預測記錄是否購買的概率

4. 計算結果

3.4 拉普拉斯平滑

3.5 樸素貝葉斯的優缺點

課程鏈接：https://edu.aliyun.com/course/1923?spm=5176.10731491.0.0.307b48cb8jfUA2