Giới thiệu về Naive Bayes

Trong thử thách này, chúng ta sẽ học cách tính xác suất một trường hợp thuộc về một lớp cụ thể. Tập dữ liệu play_outside.csv có các cột sau: temperature, mood, motivation, windy, play. Mỗi hàng thể hiện cùng một người và việc người đó có quyết định ra ngoài chơi hay không dựa trên các đặc trưng (temperature, mood, motivation, windy). Mục tiêu của chúng ta là dự đoán người đó có ra ngoài chơi hay không dựa trên các đặc trưng (temperature, mood, motivation, windy).

Đây là ví dụ về một tập dữ liệu:

Các công thức sau có thể trông khó hiểu, nhưng chúng ta sẽ phân tích từng phần.
Công thức Naive Bayes: P(Class|Feature) = P(Feature|Class) * P(Class) / P(Feature)

• P(Feature|Class) - Khả năng xảy ra
• P(Class) - Xác suất tiên nghiệm của lớp
• P(Feature) - Xác suất tiên nghiệm của đặc trưng dự đoán
• P(Class|Feature) - Nói cách khác, xác suất hàng chưa được xem sẽ được phân loại vào lớp <strong>x</strong> là bao nhiêu. 

Để giải bài này, chúng ta cần tính từng thành phần của công thức (P(B|Class) * P(Class) / P(B))

• P(Class) - Xác suất tiên nghiệm của lớp
  Giá trị này bằng số lần xuất hiện của mỗi lớp chia cho tổng số lớp. Ví dụ, trong tập dữ liệu gồm 3 hàng, có 2/3 trường hợp yes và 1/3 trường hợp no.
  P(yes) = 2/3
P(no) = 1/3 
•  P(Feature|Class) - Khả năng xảy ra
  Giá trị này bằng số lần xuất hiện của mỗi đặc trưng trong một lớp nhất định.  Ví dụ:
  P(temperature = <strong>low</strong>|play = <strong>yes</strong>) - Có hai hàng có play = yes, và một hàng có temperature = low (chỉ tính trong các hàng có play = yes), nên giá trị này bằng 1/2.
• P(Feature)
  Giá trị này bằng số lần xuất hiện của mỗi đặc trưng chia cho tổng số hàng. Ví dụ:
  p(motivation=high) = 2/3 vì có hai hàng có mức động lực cao, chia cho tổng số hàng (3)

Thử thách

Bạn được cung cấp hai từ điển probability_features, probability_target và dataset_name

Tính xác suất của từng thuộc tính cho mỗi đặc trưng (cột).
Ví dụ, đây là giá trị của probability_target:

probability_target = {
    "yes": 0.66667, # (2/3)
    "no": 0.33333 # (1/3)   
}

Đây là giá trị của probability_features:

probability_features = {
	"temperature": {
		"low": {
			"yes": 0.5, # (1/2)
			"no": 0.5, # (1/2)
		},
		"moderate": {
			"yes": 1, # (1/1)
			"no": 0, # (0/1)
		}
	}
}

Lưu ý rằng tên các đặc trưng và tên các thuộc tính không cố định. Mỗi tập dữ liệu có các đặc trưng và tên gọi khác nhau.

Mình khuyên bạn nên dùng module pandas để việc tính toán dễ dàng hơn.