*图片来源于网络
近些年来很多化学化工类文献会在其里面提到贝叶斯算法(或贝叶斯优化算法)，让人有种感觉，这个贝叶斯算法是很高级非常有用，而又带有一些神秘感。
随便上网一搜索，会出现大量文章介绍贝叶斯定理、贝叶斯算法，条件概率、先验概率、后验概率、朴素贝叶斯、高斯贝叶斯等等名词，让非这个专业的人感觉到头大。例如在搜索引擎里面输入“贝叶斯定理”会查到关于贝叶斯定理的历史来源，计算公式介绍等。
贝叶斯算法
比如百度百科中关于“贝叶斯公式”的介绍：贝叶斯定理由英国数学家贝叶斯 ( Thomas Bayes 1702-1761年) 发展，用来描述两个条件概率之间的关系，比如 P(A|B) 和 P(B|A)。按照乘法法则，可以立刻导出：P(A∩B) = P(A)*P(B|A)=P(B)*P(A|B)。如上公式也可变形为：P(A|B)=P(B|A)*P(A)/P(B)
*图片来源于网络it.sohu.com/a/577883879_99977650
本文为了非专业背景的读者了解“贝叶斯算法”原理，采用轻松的方式为您介绍贝叶斯算法的思路逻辑。
在开始前，我们先来看看平时下结论的步骤：
为了方便理解，举一个不严谨的例子：
住在南方海边城市的人在夏季，天气闷热而且感觉到胸闷，会做出大概率海上会有台风的判断。
这里的夏季天气闷热胸闷是证据(Evidence，E)，台风是输出(Outcome，Y)，根据这个证据得出这个台风的判断的概率，使用数学表达为P(Y|E)。当然这个输出也可以为疾病(Y2，使用Y2区分台风)，毕竟有胸闷现象，但判断者为什么选择是台风的判断而不是身体疾病的判断？
P(Y)即先验概率 P(Y|E)为后验概率
因为判断者其中一个理由是认为自己身体很棒有病的概率很低，也就是P(Y2)概率比出现台风的概率P(Y)小多了(注，这里的P(Y)即先验概率，P(Y|E)为后验概率)。
历史经验 P(E|Y)概率
再进一步分析，为什么判断者根据这个证据做出台风判断，是因为他在南方海边城市住有“历史经验”，我们看看他是如何得到这个历史经验的。
小时候，第一次发现有台风很好奇，第二次发现有台风，好像都是在夏季及其闷热而且胸闷。渐渐地他发现，在夏天有台风前感觉非常闷热和胸闷的概率很高，也就是P(E|Y)概率很高，而且他所住的城市出现台风的概率比较高P(Y)。另外他身体健康出现胸闷的机会不大，即P(Y2)比较小。在他脑海中做出P(Y|E)=P(E|Y)*P(Y)/P(E)计算，因而有了出现这个证据做出有台风的判断。
比如给出一个水果的特征为“长”、“甜”、“黄色”，电脑如何通过已有的数据来“学习”，并预测出现这三个特征的水果是什么。
首先电脑具有以下数据：
*该数据引用自网络参考资料：朴素贝叶斯算法是如何工作的？
电脑是根据比较在出现“长”、“甜”、“黄色”这三个特征下为香蕉、橙子或其它水果的概率大小做出判断的。即比较概率P(香蕉|长甜黄色)、P(橙子|长甜黄色)、P(其它|长甜黄色)，哪个概率大就预测为哪一种水果。
第一步：我们先计算出证据概率P(E)即P(长甜黄色)，我们需要知道这些特征(长、甜、黄色)在给定样本中出现的频率。由于这些特征是相互独立的，我们可以分别计算每个特征的边缘概率，然后将它们相乘得到联合概率P(E)。
第二步，P(香蕉)、P(橙子)、P(其它)的先验概率分别为P(香蕉)=500/1000=0.5、P(橙子)=300/1000=0.3、P(其它)=200/1000=0.2。
第三步，计算P(长|香蕉)=400/500=0.8、P(甜|香蕉)=350/500=0.7、P(黄色|香蕉)=450/500=0.9。这样P(香蕉|长甜黄色)= P(长|香蕉)* P(甜|香蕉)* P(黄色|香蕉)* P(香蕉)/ P(长甜黄色)=0.969。
然后再分别计算出：
P(橙子|长甜黄色)=0，
P(其它|长甜黄色)=0.072。
因而电脑根据特征为“长”、“甜”、“黄色”预测该水果为香蕉。
参考内容：How Naive Bayes Algorithm Works? (with example and full code) | ML+ (machinelearningplus.com)
下篇预告
下一篇我们即将进入贝叶斯优化算法的原理介绍。
推荐阅读
关于机器学习的那点事儿-PCA算法大讨论
机器学习与连续流连载系列丨机器学习：人工智能的驱动力
【名家案例】连续流工艺优化中的机器学习和人工智能
机器学习与连续流连载系列丨使用康宁反应器集成在线光谱，通过半监督机器学习识别化学反应式计量和动力学模型
欢迎关注康宁AFR公众号
全部评论(0条)
相关产品推荐（★较多用户关注☆）
康宁微通道G1玻璃反应器
报价：面议 已咨询 19796次
康宁低流量LFR反应器
报价：面议 已咨询 5556次
康宁Lab反应器系统
报价：面议 已咨询 5611次
康宁 Advanced-Flow® G1 碳硅陶瓷反应器
报价：面议 已咨询 5864次
康宁Advanced-Flow® G1光化学反应器
报价：面议 已咨询 5624次
康宁高通量微通道玻璃/光化学反应器（G3）
报价：面议 已咨询 5889次
康宁高通量微通道陶瓷反应器（G4）
报价：面议 已咨询 7528次
高效液液分离器
报价：面议 已咨询 6142次
你可能还想看
①本文由仪器网入驻的作者或注册的会员撰写并发布，观点仅代表作者本人，不代表仪器网立场。若内容侵犯到您的合法权益，请及时告诉,我们立即通知作者，并马上删除。
②凡本网注明"来源：仪器网"的所有作品，版权均属于仪器网，转载时须经本网同意，并请注明仪器网(www.yiqi.com)。
③本网转载并注明来源的作品，目的在于传递更多信息，并不代表本网赞同其观点或证实其内容的真实性，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品来源，并自负版权等法律责任。
④若本站内容侵犯到您的合法权益，请及时告诉,我们马上修改或删除。邮箱：hezou_yiqi
在线留言
热点文章
近期话题
相关产品
沪公网安备 31011502008050号
参与评论
登录后参与评论