APP推广合作
联系“鸟哥笔记小乔”
一文说清数据分析经典模型——朴素贝叶斯
2022-03-15 15:48:09

贝叶斯模型数据分析中一般用来解决先验概率、分类实时预测和推荐系统等问题,为了理解一下贝叶斯的概念,我们先来看一个例子:

某零售企业有三家供货商,记为A1、A2、A3,其供应量和不合格率如下图所示,如果随机从该零售企业中抽取一个产品,其不合格的概率有多大呢?如果抽到的某个产品是不合格的,最有可能是来自于哪个供货商呢?

一文搞懂数据分析经典模型:朴素贝叶斯


如果大家了解过概率论统计学的,应该可以看出来,上面的两个问题分别需要用先验概率和后验概率进行解答。所以,我们先来了解一下先验与后验的概念。

先验与后验

我们直接举个例子来说明:

今天早上我喝了一杯凉水,那么中午我会不会拉肚子?

这里可以看出“拉肚子”是一种事实结果,而造成拉肚子的影响因素假设只有喝凉水,那么这个问题实际上是要求出在“喝凉水”条件下“拉肚子”的概率,也就是求:

P(拉肚子|喝凉水)——先验事件当中的条件概率

通俗点说,先验事件就是由因求果,先验概率也就是根据以往经验和分析得到的概率,最典型的代表就是抛硬币,抛一个硬币求其正面的概率,就是已经知道了“硬币正反面概率都是0.5”的条件,求出“硬币是正面”的“结果”的概率。

一文搞懂数据分析经典模型:朴素贝叶斯


而后验事件则是由果求因,也就是依据得到"结果"信息所计算出的最有可能是哪种事件引起的,用上面这个例子就是:

中午我拉了肚子,那么我早上喝了一杯凉水的概率是多大?

换言之,“拉肚子”是结果,我在已经知道结果的前提下,求“喝凉水”的原因的概率,也就是:

P(喝凉水|拉肚子)——后验概率

而先验与后验的基础都是条件概率,其公式是:

一文搞懂数据分析经典模型:朴素贝叶斯


朴素贝叶斯概率

很多人可能会疑问,我们求后验概率和先验概率的意义是什么呢?

因为传统频率主义是无法解决实际问题的,换言之抛硬币问题只存在于理论中,实际生活中某个事件的发生条件或结果一定是复杂的,不可能是抛个硬币就能解释的。

一文搞懂数据分析经典模型:朴素贝叶斯


而实际问题一般是由多个条件组成的复杂事件,那么什么是复杂事件呢?

比如拉肚子这个事件,可能是由于早上喝凉水造成的,也可能是喝过期酸奶造成的,也可能是昨晚吃火锅造成的等等,这就是复杂事件。

而如果我们已经知道了引起拉肚子的所有条件,且这些条件都是相互独立且互斥的,那么想要求出拉肚子的概率,就可以将这个复杂事件拆分成几个条件概率。

比如,假设引起拉肚子的条件只可能是喝凉水或者喝酸奶,且这两个条件不可能同时发发生,那么我们就可以利用条件概率计算最终的拉肚子事件概率:

P(拉肚子)=P(喝凉水且拉肚子)+P(喝酸奶且拉肚子)

=P(喝凉水)*P(拉肚子|喝凉水)+P(喝酸奶)*P(拉肚子|喝酸奶)

这就是全概率公式,全概率公式是用来计算复杂事件的概率,用公式表示就是:

一文搞懂数据分析经典模型:朴素贝叶斯


而如果我们想要计算复杂事件的简单条件概率,就要用到贝叶斯概率,比如中午我拉了肚子,那么我早上喝了一杯凉水的概率是多大?那么根据条件概率和全概率公式可以得到:

P(喝凉水|拉肚子)=P(喝凉水且拉肚子)/P(拉肚子)

=P(喝凉水)*P(拉肚子|喝凉水)/P(拉肚子)

=P(喝凉水)*P(拉肚子|喝凉水)/P(喝凉水)*P(拉肚子|喝凉水)+P(喝酸奶)*P(拉肚子|喝酸奶)

用公式表示就是:

一文搞懂数据分析经典模型:朴素贝叶斯


这就是贝叶斯公式的推导过程,其核心思想是当你不能准确知悉一个事物的本质时,你可以依靠与事物特定本质相关的事件出现的多少去判断其本质属性的概率。

如果你看到一个人总是做一些好事,则那个人多半会是一个好人。用数学语言表达就是:支持某项属性的事件发生得愈多,则该属性成立的可能性就愈大。

贝叶斯的应用

现在我们再去计算开头例子的结果,就可以直接套用全概率公式和贝叶斯公式了:

一文搞懂数据分析经典模型:朴素贝叶斯


问题1:随机从该零售企业中抽取一个产品,其不合格的概率有多大呢?

典型的由因及果,可直接使用全概率公式计算,我们将不合格用B表示:

P(B) = P(B|Ai) * P(Ai)

=P(B|A1) * P(A1) + P(B|A2) * P(A2) + P(B|A3) * P(A3)

=(500/1500*10%)+(400/1500*13%)+(600/1500*11%)

= 11.2%

因此,随机从该零售企业中抽取一个产品,其不合格的概率是11.2%;

问题2:如果抽到的某个产品是不合格的,最有可能是来自于哪个供货商呢?

典型的由果及因,可直接使用贝叶斯概率公式计算,我们先求A1供货商的概率:

P(A1|B)=P(A1) * P(B|A1) / P(B)

=(500/1500*10%)/ 11.2%

= 29.8%

同理,我们再求出A2、A3供货商的概率是30.9%、39.3%,所以如果抽到的某个产品是不合格的,最有可能是来自于A3供货商。

总结

在实际的数据分析过程中,我们经常会用到贝叶斯概率的思想,比如我们去分析营销活动的渠道拉新效果,我们不能只针对结果进行分析。按照贝叶斯定律,我们不能忽略导致这个结果的前提条件。

一文搞懂数据分析经典模型:朴素贝叶斯


这个前提条件的忽略最终可能影响了我们对整件事情的判断,这个前提条件就是:我们的投放渠道,这就是朴素贝叶斯的本质。


赵同学
分享到朋友圈
收藏
收藏
评分

综合评分:

我的评分
Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
一书一课30天会员体验卡
领30天VIP会员,110+门职场大课,250+本精读好书免费学!助你提升职场力!
20羽毛
立即兑换
顺丰同城急送全国通用20元优惠券
顺丰同城急送是顺丰推出的平均1小时送全城的即时快送服务,专业安全,准时送达!
30羽毛
立即兑换
赵同学
赵同学
发表文章6504
确认要消耗 羽毛购买
一文说清数据分析经典模型——朴素贝叶斯吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接