Wykład 3: Sieci Bayesa

1. W klasyfikacji Bayesa maksymalizujemy:
2. Ponieważ P(X) jest stałe, więc wystarczy maksymalizować
Iloczyn P(X|C i )P(C i ).
3. Ponadto przyjmujemy: P(C i ) = s i / s,
gdzie s oznacza liczbę obiektów w zbiorze treningowym,
a s i oznacza liczbę obiektów w klasie C i .
4. Dla X = (x 1 , x 2 , ..., x n ), wartość P(X|C i ) obliczamy jako
iloczyn: P(X|C i ) = P(x 1 |C i )*P(x 2 |C i )* ... *P(x n |C i ),
przy czym: P(x k |C i ) = s ik / s i ,
gdzie s ik oznacza liczbę obiektów klasy C i , dla których wartość
atrybutu A k jest równa x k , a s i oznacza liczbę wszystkich
obiektów klasy Ci w zadanym zbiorze treningowym.