4、贝叶斯分类器：概率、属性处理与高斯函数应用

贝叶斯分类器：概率、属性处理与高斯函数应用

1. 贝叶斯分类基础

在贝叶斯分类中，我们以一个待分类对象为例，如 x = [shape=square, crust-size=thick, crust-shade=gray, filling-size=thin, filling-shade=white] ，存在 pos 和 neg 两个类别。分类过程是分别计算贝叶斯公式的分子，然后选择值更高的类别。在训练集中，每个类别代表数量相同，即 P(pos) = P(neg) = 0.5 。

通过以下条件概率计算：
|属性| P(xi|pos) | P(xi|neg) |
| ---- | ---- | ---- |
| shape=square | 1/6 | 2/6 |
| crust-size=thick | 5/6 | 5/6 |
| crust-shade=gray | 1/6 | 2/6 |
| filling-size=thin | 3/6 | 1/6 |
| filling-shade