贝叶斯网络预测

用于贝叶斯分类器的数据集

• 类标记c：playtennis=yes，playtennis=no,

• 需计算P(yes)，P(no)

• 还需计算P(strong|yes),P(strong|no),P(high|yes),P(high|no)，P(cool|yes),P(cool|no),P(sunny|yes),P(sunny|no)

求c(x)

P(yes)* P(strong|yes)*P(high|yes)P(cool|yes) P(sunny|yes)=?

P(no)* P(strong|no)*P(high|no)P(cool|no) P(sunny|no)=?

选择较大值对应的类标记赋给c(x)

• P(yes)=9/14=0.64 P(no)=5/14=0.36

• P(strong|yes)=3/9 P(strong|no)=3/5

• P(high|yes)=3/9, P(high|no)=4/5

• P(cool|yes)=3/9, P(cool|no)=1/5

• P(sunny|yes)=2/9, P(sunny|no)=3/5

• P(yes)* P(strong|yes)*P(high|yes)*P(cool|yes)* P(sunny|yes)=0.0159

• P(no)* P(strong|no)*P(high|no)*P(cool|no)* P(sunny|no)=0.0206

所以预测结果为 no

归一化处理

• 即用待测样本属于yes的概率和待测样本属于no的概率分别处以他们的和
• 待测样本属于yes的概率 0.0053/（0.0053+0.0206）=0.2046
  待测样本属于yes的概率 0.0053/（0.0053+0.0206）=0.2046
• 待测样本属于no的概率0.0206/（0.0053+0.0206）=0.7954