阿里云 05：机器学习算法详解 06 -- 贝叶斯方法

本文基本不涉及公式推导，只有一些简单的运算。理解记忆性的概念和结论比较多。通过一个预测是否购买电脑的例子，讲解了朴素贝叶斯的流程。

---

---

1. 贝叶斯方法

1.1 概率基本知识

本部分对于大学期间学习过概率论与数理统计课程的学习者来说，没有难度；如果之前没有学习过的话，可以学一下先修课程，阿里云有系列课程，其他资源也很多。

1.1.1 随机试验与随机事件

1.1.2 事件关系与韦恩图

1.1.3 概率及性质

1.1.4 条件概率

乘法公式：

1.1.5 事件独立性

全概率公式：

1.2 贝叶斯公式

分子是乘法公式；分母是全概率公式。

---

2.贝叶斯推断

2.1 先验概率与后验概率

2.2 似然函数

后验概率VS似然函数VS先验概率

2.3 最大后验估计

先看一个抛硬币的例子。

1. 最大似然估计考虑该问题
   
2. 最大后验概率考虑该问题
   
3. 最大后验估计
   
   

---

3. 朴素贝叶斯

如果事件之间影响比较大，或者说关联程度很高的话，最好不要使用朴素贝叶斯。

3.1 朴素贝叶斯的定义

3.2 朴素贝叶斯的模型

3.3 朴素贝叶斯实例

1. 计算先验概率、计算年龄对是否购买的概率
   
2. 计算收入层次对是否购买的概率、计算是否单身对是否购买的概率
   
3. 使用朴素贝叶斯计算待预测记录是否购买的概率

4. 计算结果

3.4 拉普拉斯平滑

3.5 朴素贝叶斯的优缺点

课程链接：https://edu.aliyun.com/course/1923?spm=5176.10731491.0.0.307b48cb8jfUA2