Учитывая набор данных с 14 примерами, содержащими 4 атрибута, а именно Outlook, Temp, Humidity и Windy.
Мы должны найти вероятность появления данного экземпляра (прогноз = солнечно, температура = прохладно, влажность = высокая, ветреная = сильная) с помощью наивного байесовского классификатора. Кроме того, нормализуйте результаты.
Шаг 1: Находим априорную вероятность,
P(Playtennis=ДА) = 9/14 = 0,64
P (игровой теннис = НЕТ) = 5/14 = 0,36
Шаг 2: Условную вероятность отдельных атрибутов также можно найти следующим образом:
Шаг 3: заданный экземпляр (прогноз = солнечно, температура = прохладно, влажность = высокая, ветрено = сильный) с использованием наивного байесовского классификатора
Мы используем формулу Vnb = argmax P(Vⱼ) πᵢ P(aᵢ|Vⱼ)
Затем мы заменяем Vⱼ на YES и NO оба раза.
=> argmax P(Vⱼ) P(Прогноз=солнечно|Vⱼ) * P(Температура=прохладно|Vⱼ) * P(Влажность=высокая|Vⱼ) * P(Ветер=сильный|Vⱼ)
Шаг 4: Следовательно, мы имеем,
Vnb(ДА) = P(ДА) * P(Обзор=солнечно|ДА) * P(Температура=прохладно|ДА) * P(Влажность=высокая|ДА) * P(Ветер=сильный|ДА) = 9/14 * 2/9 * 3/9 * 3/9 * 3/9 = 5,29 * 10^-3 //(значения, полученные из таблиц условной вероятности отдельных атрибутов)
Vnb(NO) = P(NO) * P(Внешний вид=солнечно|НЕТ) * P(Температура=прохладно|НЕТ) * P(Влажность=высокая|НЕТ) * P(Ветер=сильный|НЕТ) = 0,0206 //( Полученные значения из таблиц условной вероятности отдельных признаков)
Шаг 5: нормализация вероятностей:
Vnb(ДА) = Vnb(ДА)/Vnb(ДА)+Vnb(НЕТ) = 0,205
Vnb(НЕТ) = Vnb(НЕТ)/Vnb(ДА)+Vnb(НЕТ) = 0,795
Шаг 6: Заключение:
Поскольку Vnb(NO) › Vnb(YES),
Поэтому человек не будет играть в теннис!
