如何使用朴素贝叶斯算法对未知记录进行分类

Question

我正在尝试在一些实时数据上实现朴素贝叶斯算法。我知道贝叶斯的规则，但我不确定如何在我的data.My数据上实现，因为below.There在我的数据中总共有2个标签，它们都是ok，欺诈和标记为未知的测试数据。我需要通过应用朴素贝叶斯Algorithm.How将所有未知记录分类为ok或欺诈。我是否可以做到这一点？请谁来帮帮我。

1,v1,p1,182,1665,unkn
2,v2,p1,3072,8780,ok
3,v3,p1,20393,76990,ok
4,v4,p1,112,1100,fraud
5,v3,p1,6164,20260,unkn
6,v5,p2,104,1155,ok
7,v6,p2,350,5680,unkn
8,v7,p2,200,4010,ok
9,v8,p2,233,2855,unkn
10,v9,p2,118,1175,unkn

贝叶斯规则：

未知为ok的后验概率= ok的先验概率*给定ok的未知的可能性。

未知是欺诈的后验概率=欺诈的先验概率*给定欺诈的未知可能性。

Answer 1

我假设行1,v1,p1,182,1665,unkn被解释为：

• 1，标签=某些标识符
• p1,182,1665 =数据的要素point
• unkn = v1，在本例中为未知的

记住这个符号，您的训练数据由标签为ok或fraud的所有行组成，您的测试数据是其余的。你必须计算先验和条件似然：

1. Prior probability of ok是ok示例在训练数据中所占的比例。这同样适用于fraud
2. For每个特征f，例如v1或p1，它的可能性给定ok是包含该特征的训练数据中ok示例的比例。例如，4个ok示例中有2个包含p1，概率为0.5。

对于每个示例，将您在步骤2中为其所有功能计算的概率相乘。将结果乘以步骤1中的概率，以获得您的示例属于特定类的(联合)概率。

注意事项：

• 将概率乘在一起最终会导致下溢。你可能想要添加这些概率的日志。
• ，我描述的算法只适用于离散值特征。上面显示的连续值特征(例如，贝叶斯)需要转换为离散值(例如，通过入库)，或者您需要在步骤2中想出一些其他方法来估计条件概率。谷歌搜索连续值朴素贝叶斯