Tiểu luận môn CÔNG NGHỆ TRI THỨC VÀ ỨNG DỤNG TÌM HIỂU MẠNG BAYES VÀ THUẬT TOÁN BAYES VÀ ỨNG DỤNG BAYES THEOREM TRONG PHÂN LỚP DỮ LIỆU NAÏVE BAYES CLASSIFIER

Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
ĐẠI HỌC QUỐC GIA TP.HCM
TRƯỜNG ĐẠI CÔNG NGHỆ THÔNG TIN
BÀI THU HOẠCH
CÔNG NGHỆ TRI THỨC VÀ ỨNG DỤNG
Đề tài:
TÌM HIỂU MẠNG BAYES VÀ THUẬT TOÁN BAYES VÀ ỨNG DỤNG BAYES THEOREM TRONG
PHÂN LỚP DỮ LIỆU (NAÏVE BAYES CLASSIFIER)
Giảng viên hướng dẫn : GS.TSKHHOÀNG KIẾM
Học viên thực hiện :TRỊNH NAM VIỆT
Lớp : CH08
MSHV :CH1301115
CH1301115 – Trịnh Nam Việt  Page 1
Tháng 10/2014
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
MỤC LỤC
Lời mở đầu 2
Chương I: Tổng quan 3
1. Công nghệ tri thức 3
2. Khoa học tri thức 3
3. Vai trò của công nghệ tri thức 3
4. Hướng nghiên cứu, phát triển công nghệ tri thức 3
5. Quản lí tri thức 4
6. Tổng quan hệ cơ sở tri thức 5
7. Máy học và khám phá tri thức 8
8. Nhà kho dữ liêu và khai mỏ dữ liệu 11
Chương II: Giới thiệu mạng Bayes và thuật toán Bayes 13
1. Mạng Bayes 13
2. Thuật toán 17
Chương III: Ứng dụng Bayes Theorem trong phân lớp dữ liệu (Naïve Bayes Classifier) 19
1. Mục đích chương trình 19

2. Tóm tắt quá trình hoạt động 19
Kết luận 24
Tài liệu tham khảo 25
CH1301115 – Trịnh Nam Việt  Page 2
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
LỜI MỞ ĐẦU
Ước mơ của con người là tạo ra những máy móc có thông minh như con người, có thể xử lí
những công việc của con người với tỉ lệ thành công cao nhất.
Nhưng cũng có những bài toán phức tạp với những giới hạn không vượt qua được về thời gian và
cả chi phí nên “Công Nghệ tri thức”– một nhánh nhỏ của Khoa học máy tính - giúp con người
giải quyết những bài toán với thời gian, chi phí và độ chính xác chấp nhận được.
1
CH1301115 – Trịnh Nam Việt  Page 3
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
2 CHƯƠNG I: TỔNG QUAN
1. Công nghệ tri thức:
Công nghệ tri thức (Knowledge Engineering): có thể xem là một nhánh nghiên cứu của
trí tuệ nhân tạo, phân tích tri thức lĩnh vực và chuyển nó thành những mô hình tính toán
đưa vào máy tính để phục vụ những nhu cầu cần thiết. (John F.Sowa. Knowledge
representation: Logical, philosophical, and Computational Foundations. Copyright
@2000 by Brooks/Cole. A division of Thomson Learning)
2. Khoa học tri thức:
Khoa học về sáng tạo, quản lí, khai thác, sử dụng tri thức, dựa trên sự kết hợp của
khoa học thông tin + khoa học hệ thống + khoa học xã hội.
3. Vai trò của công nghệ tri thức:
Cùng với sự phát triển nhanh chóng, vượt bậc của ngành công nghiệp máy tính,
nhu cầu của người dùng đối với máy tính ngày một cao hơn: không chỉ giải quyết
những công việc lưu trữ, tính toán bình thường, người dùng còn mong đợi máy
tính có khả năng thông minh hơn, có thể giải quyết vấn đề như con người. Và từ
đó trí tuệ nhân tạo nói chung và đặc biệt là công nghệ tri thức ra đời và phát triển.

Công nghệ tri thức đóng vai trò hết sức quan trọng trong việc phát triển Công
nghệ thông tin, nâng cao sự hữu dụng của máy tính, giúp con người gần gũi với
máy tính hơn.
Công nghệ tri thức còn góp phần thúc đẩy nhiều ngành khoa học khác phát triển,
khả năng phát triển khoa học dựa trên tri thức liên ngành
4. Hướng nghiên cứu, phát triển công nghệ tri thức
CH1301115 – Trịnh Nam Việt  Page 4
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
Quản lý tri thức (knowledge management): bao gồm tiếp nhận, biểu diễn và tối ưu hóa cơ
sở tri thức…
Các hệ cơ sở tri thức (knowledge-based systems): tìm hiểu cấu trúc bên trong của một hệ
cơ sở tri thức, phân loại các hệ cơ sở tri thức, và một số hệ cơ sở tri thức điển hình.
Khai mỏ dữ liệu, khám phá tri thức (Data mining, knowledge discovery): nghiên cứu về
phương pháp, kỹ thuật để khai mỏ dữ liệu và khám phá tri thức.
5. Quản lí tri thức
a. Tiếp nhận tri thức
Có thể chia thành 2 cách để tiếp nhận tri thức như sau:
+ Thụ động:
- Gián tiếp: những tri thức kinh điển. Trực tiếp: những tri thức kinh nghiệm (không
kinh điển) do “chuyên gia lĩnh vực” đưa ra.
+ Chủ động:
- Đối với những tri thức tiềm ẩn, không rõ ràng hệ thống phải tự phân tích, suy diễn,
khám phá để có thêm tri thức mới.
CH1301115 – Trịnh Nam Việt  Page 5
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
+ Giao tiếp người máy:
- Thông qua bàn phím, chuột, cảm biến, cảm ứng, thiết bị ghi âm, mà hình, âm thanh,
văn bản…
b. Biểu diễn tri thức:
+Phương pháp biểu diễn tri thức:

- Logic mệnh đề & logic vị từ
- Hệ luật dẫn
- Đối tượng-thuộc tính-giá trị
- Mạng ngữ nghĩa
- Frame
- Script
…
c. Tối ưu hóa cơ sở tri thức:
+Tại sao tối ưu cơ sở tri thức ?
- Vấn đề mâu thuẫn, trùng lắp, dư thừa nảy sinh khi tri thức được tiếp nhận và biểu
diễn trong cơ sở tri thức. Vì vậy đòi hỏi chúng ta phải có phương pháp để tối ưu cơ sở
tri thức.
- Tùy thuộc vào cách biểu diễn tri thức, chúng ta sẽ có phương pháp thích hợp để tối
ưu cơ sở tri thức.
Ví dụ: điển hình cho vấn đề này là bài toán loại bỏ luật thừa trong cơ sở tri thức luật.
6. Tổng quan hệ cơ sở tri thức
CH1301115 – Trịnh Nam Việt  Page 6
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
a. Hệ cơ sở tri thức đóng:
Là những hệ cơ sở tri thức được xây dựng với một số “tri thức lĩnh vực” ban đầu, và
chỉ những tri thức đó mà thôi trong suốt quá trình hoạt động hay suốt thời gian sống
của nó.
Ví dụ: những hệ cơ sở tri thức về kinh dịch, những hệ giải toán, thường là những hệ
cơ sở tri thức giải quyết vấn đề…
b. Hệ cơ sở tri thức mở:
Kà những hệ cơ sở tri thức tiên tiến hơn, nó có khả năng bổ sung tri thức trong quá
trình hoạt động, khám phá.
CH1301115 – Trịnh Nam Việt  Page 7
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
Ví dụ: Những hệ giải toán cho phép bổ sung tri thức trong quá trình suy luận (tri thức

ban đầu là những tiên đề và một số định lý, tri thức bổ sung là những định lý mới,
những tri thức heurictis, …); những hệ cơ sở tri thức chẩn đoán, dự báo chẳng hạn: hệ
chẩn đoán y khoa MYCIN và EMYCIN, những hệ dự báo thời tiết, khí hậu, động đất,
…
c. Hệ cơ sở tri thức kết hợp:
Bao gồm sự kết hợp giữa hệ đóng và hệ mở, hệ kết hợp giữa CSTT và CSDL, hệ kết
hợp giữa hệ CSTT này với một hệ CSTT khác, … Những hệ cơ sở tri thức kết hợp
thường phát triển mạnh dựa trên tri thức liên ngành.
Ví dụ: những hệ hỗ trợ ra quyết định trong đời sống, kinh tếvà khoa học; (kinh dịch,
tử vi áp dụng với đời sống; kinh dịch, tử vi áp dụng với y học; …); những hệ chẩn
đoán, dự báo đòi hỏi tri thức liên ngành; …
d. Phân loại
+ Phân loại theo phương pháp biểu diễn tri thức:
Tùy thuộc vào phương pháp biểu diễn tri thức mà chúng ta có thể phân loại các hệ cơ
sở tri thức:
Hệ cơ sở tri thức dựa trên logic mệnh đề và logic vị từ
Hệ cơ sở tri thức dựa trên luật dẫn
Hệ cơ sở tri thức dựa trên đối tượng
Hệ cơ sở tri thức dựa trên Frame
Hệ cơ sở tri thức dựa trên mạng ngữ nghĩa
Hệ CSTT kết hợp một số phương pháp biểu diễn đã nêu trên…
CH1301115 – Trịnh Nam Việt  Page 8
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
+ Phân loại theo ứng dụng:
Hệ giải quyết vấn đề: thường là hệ có tính chất đóng, nhưng đôi khi cũng có hệ mang
tính mở.
Ví dụ: Những hệ giải toán, thuật giải Vương Hạo, thuật giải Robinson, …
Hệ hỗ trợ quyết định: thường là các hệ mang tính kết hợp (CSDL + tri thức ngành +
hàm toán học + ), đối tượng sử dụng là các nhà lãnh đạo.
Ví dụ: những hệ thống đánh giá doanh nghiệp (tình hình tài chính, kết quả kinh

doanh, qui trình nghiệp vụ, qui trình sản xuất, tính chuyên nghiệp trong quản lý, …),
những hệ thống lập kế hoạch (planning), …
Hệ dự báo, chẩn đoán: thường cũng giống như những hệ hỗ trợ ra quyết định với tính
ngoại suy cao hơn
Ví dụ: Bài toán chẩn đoán hỏng hóc xe, chẩn đoán y khoa, dự báo thị trường chứng
khoán, thời tiết …
Hệ điều khiển: là những hệ điều khiển có gắn với CSTT. Những hệ thống này thường
ứng dụng trong công nghiệp, trong điều khiển tự động hóa, thường là những hệ thống
thời gian thực (real-time systems). Một số hệ thống này có sử dụng kết hợp lý thuyết
mờ để xử lý
Ví dụ: Máy giặt, Máy bơm nước với bộ điều khiển mờ, …
7. Máy học và khám phá tri thức
a. Thế nào là khám phá tri thức (knowledge discovery) ?
Khám phá tri thức là tìm ra những tri thức tiềm ẩn, những tri thức mới (không
phải là những tri thức kinh điển, kinh nghiệm, …)
CH1301115 – Trịnh Nam Việt  Page 9
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
Thừa dữ liệu, thông tin nhưng thiếu tri thức.
Ví dụ: Trong toán học
Dữ liệu: 1, 1, 2, 3, 5, 8, 13, 21, 34, …
Mối liên hệ này có thể được biểu diễn bằng công thức sau: Un = Un-1 + Un-2
Mối liên hệ này có thể được biểu diễn bằng công thức sau: Un = Un-1 + Un-2
Công thức tìm ra ở trên chính là tri thức
Ví dụ: Trong vật lý
CH1301115 – Trịnh Nam Việt  Page 10
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
Công thức: U = IxR là tri thức rút ra từ thực nghiệm
Ví dụ: Chuồn chuồn bay thấp thì mưa, bay cao thì nắng, bay vừa thì râm
Lời nhận xét trên là tri thức rút ra từ kinh nghiệm đời sống.
b. Thế nào là máy học (Learning Machine) ?

Máy tính hay chương trình máy tính có khả năng tự hoàn thiện từ “kinh nghiệm”.
Máy học còn có nghĩa là việc mô hình hóa môi trường xung quanh hay khả năng
một chương trình máy tính sinh ra một cấu trúc dữ liệu mới khác với cấu trúc hiện
có. Chẳng hạn việc tìm ra những luật If…then… từ tập dữ liệu đầu vào.
c. Phân loại các phương pháp máy học
Có nhiều quan điểm phân loại khác nhau.
Phân loại thô:
-Học giám sát (supervised learning)
-Học không giám sát (unsupervised learning)
Phân loại theo 2 tiêu chuẩn cùng lúc: “cấp độ học” & “cách tiếp cận”
Cấp độ học:
-Học vẹt (Rote learning)
-Học theo giải thích (by explanation)
-Học theo ví dụ, trường hợp (by examples, cases)
-Học khám phá (by discovering)
CH1301115 – Trịnh Nam Việt  Page 11
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
d. Cách tiếp cận
Tiếp cận thống kê
Tiếp cận toán tử logic
Tiếp cận hình học (phân hoạch không gian, xây dựng cây định danh, …)
Tiếp cận mạng Neural
Tiếp cận khai mỏ dữ liệu
…
8. Nhà kho dữ liệu và khai mỏ dữ liệu
DATA WAREHOUSE = Biến đổi dữ liệu thành tri thức yễm trợ tiến trình ra
quyết định.
CH1301115 – Trịnh Nam Việt  Page 12
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
DatawareHouse = Business Information + Decision Making(IBM BPEC’96

Conference, San Diego, USA)
Sự bùng nổ của các CSDL lớn vượt quá khả năng diễn dịch và lĩnh hội của con
người, phát sinh yêu cầu sáng tạo các công cụ kỹ thuật mới để phân tích dữ liệu
một cách thông minh và tự động nhằm tạo ra tri thức hữu dụng hỗ trợ tốt cho tiến
trình ra quyết định.(Usama, Data Mining and Knowledge Discovery, 1995)
Một số bài toán điển hình về data mining:
-Bài toán khám phá luật kết hợp
-Bài toán nhận dạng mẫu
-Bài toán phân loại dữ liệu
-Bài toán gom nhóm dữ liệu
-Bài toán lập mô hình
-Bài toán dự báo
CH1301115 – Trịnh Nam Việt  Page 13
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
CHƯƠNG II: GIỚI THIỆU MẠNG BAYES VÀ THUẬT TOÁN BAYES
1. Mạng Bayes
a. Định nghĩa
Một mạng Bayes là một đồ thị có hướng phi chu trình mà trong đó:
• các nút biểu diễn các biến,
• các cạnh biểu diễn các quan hệ phụ thuộc thống kê giữa các biến và phân phối xác
suất địa phương cho mỗi giá trị nếu cho trước giá trị của các cha của nó.
Nếu có một cạnh từ nút A tới nút B, thì biến B phụ thuộc trực tiếp vào biến A,
và A được gọi là cha của B. Nếu với mỗi biến X
i
, , tập hợp các biến
cha được ký hiệu bởi parents(X
i
), thì phân phối có điều kiện phụ thuộc của các biến là
tích của các phân phối địa phương
Nếu X

i
không có cha, ta nói rằng phân phối xác suất địa phương của nó là không có
điều kiện, ngược lại thì gọi là có điều kiện. Nếu biến được biểu diễn bởi một nút được
quan sát, thì ta nói rằng nút đó là một chứng cứ (evidence node).
Các câu hỏi về sự phụ thuộc không tương đẳng giữa các biến có thể được trả lời bằng
cách nghiên cứu đồ thị. Có thể chứng minh rằng trong đồ thị, tính độc lập có điều
kiện được biểu diễn bởi tính chất đồ thị d-khả ly: cho trước một số nút hiển nhiên cụ
thể, các nút X và Y là d-khả ly trong đồ thị khi và chỉ khi các biến X và Y là độc lập,
CH1301115 – Trịnh Nam Việt  Page 14
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
với giá trị đã biết các chứng cứ tương ứng. Tập hợp gồm tất cả các nút khác mà X có
thể phụ thuộc trực tiếp được cho bởi bao Markov của X.
Một ưu điểm của mạng Bayes là, về mặt trực quan, ta có thể hiểu các quan hệ phụ
thuộc một cách trực tiếp và các phân phối địa phương dễ dàng hơn là phân phối có
điều kiện phụ thuộc hoàn chỉnh.
b. Mạng Bayes nhân quả
Mạng Bayes nhân quả là một mạng Bayes mà trong đó các cạnh có hướng của đồ thị
được hiểu là các quan hệ nhân quả trong một miền xác định có thực nào đó. Các cạnh
có hướng, một cách tổng quát, không nhất thiết phải được hiểu là các quan hệ nhân
quả; tuy nhiên, trong thực tiễn, tri thức về các quan hệ nhân quả rất hay được dùng để
hướng dẫn vẽ các đồ thị mạng Bayes, kết quả là có được các mạng Bayes nhân quả.
c. Học cấu trúc
Trong trường hợp đơn giản nhất, một mạng Bayes được xây dựng bởi một chuyên gia
và rồi được dùng để thực hiện việc suy luận. Trong các ứng dụng khác, công việc xây
dựng mạng quá phức tạp đối với con người. Trong trường hợp này, cấu trúc và các
tham số mạng của các phân bố địa phương phải được học từ dữ liệu.
Học cấu trúc của một mạng Bayes (nghĩa là học đồ thị) là một phần rất quan trọng
của ngành nhận thức máy. Giả thiết rằng dữ liệu được sinh từ một mạng Bayes và
rằng tất cả các biến là quan sát được (chứng cứ) trong mọi lần lặp, việc tối ưu hóa dựa
trên phương pháp tìm kiếm có thể được dùng để tìm cấu trúc mạng. Việc này đòi hỏi

một hàm tính điểm (scoring function) và một chiến lược tìm kiếm. Hàm tính điểm
thông dụng là xác suất hậu nghiệm (posterior probability) của cấu trúc khi cho trước
dữ liệu huấn luyện (training data). Quá trình tìm kiếm duyệt toàn cục để trả về một
cấu trúc có số điểm tối ưu đòi hỏi thời gian cấp siêu lũy thừa (superexponential) theo
số lượng biến. Ngược lại, các chiến lược tìm kiếm địa phương thực hiện các thay đổi
tăng dần hướng tới việc nâng cao điểm số của cấu trúc. Một thuật toán tìm kiếm toàn
CH1301115 – Trịnh Nam Việt  Page 15
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
cục như Phương pháp xích Markov Monte Carlo (Markov chain Monte Carlo) có thể
tránh việc bị bẫy trong một cực tiểu địa phương.
d. Học Tham số
Để cụ thể hóa mạng Bayes và biểu diễn đầy đủ các phân bố xác suất phụ thuộc có
điều kiện, đối với mỗi biến X, cần phải chỉ ra phân bố xác suất X theo điều kiện thông
tin từ các cha của X. Phân bố của X theo các cha của nó có thể có hình thức bất kỳ.
Người ta thường dùng các phân bố rời rạc hay phân bố Gauss, do các phân bố này
làm đơn giản việc tính toán. Đôi khi, khi chỉ biết được các ràng buộc của các phân bố;
ta có thể dùng nguyên lý entropy cực đại để xác định một phân bố cụ thể, phân bố
với entropy cực đại thỏa mãn các ràng buộc đó. (Tương tự, trong ngữ cảnh cụ thể của
một mạng Bayes động, người ta thường lấy phân bố có điều kiện cho sự phát triển
theo thời gian của trạng thái ẩn để cực đại hóa hệ số entropy (entropy rate) của quá
trình ngẫu nhiên được nói đến.)
Thông thường, các phân bố có điều kiện này bao gồm các tham số chưa biết và phải
được ước lượng từ dữ liệu, đôi khi bằng cách tiếp cận khả năng cực đại (maximum
likelihood). Việc cực đại hóa trực tiếp khả năng (hoặc xác suất hậu nghiệm) thường
phức tạp khi có các biến không quan sát được. Một cách tiếp cận truyền thống đối với
vấn đề này là thuật toán cực đại hóa k vọng (expectation-maximization algorithm),
thuật toán này luân phiên giữa việc tính toán các giá trị kỳ vọng của các biến không
được quan sát theo dữ liệu quan sát được, với việc cực đại hóa khả năng (hay hậu
nghiệm) hoàn chỉnh với giả thuyết rằng các giá trị mong đợi đã tính được là đúng
đắn. Dưới các điều kiện chính quy và vừa phải, quá trình này hội tụ về các giá trị khả

năng cực đại (hay xác suất hậu nghiệm cực đại) của các tham số. Một cách tiếp cận
Bayes đầy đủ hơn đối với việc học tham số là coi các tham số như là các biến không
quan sát được khác và tính một phân bố hậu nghiệm đầy đủ trên toàn bộ các nút theo
dữ liệu quan sát được, sau đó tách các tham số ra. Cách tiếp cận này có thể có chi phí
tính toán cao và dẫn đến các mô hình có số chiều lớn, do đó trong thực tế, các cách
tiếp cận truyền thống thường được sử dụng hơn.
CH1301115 – Trịnh Nam Việt  Page 16
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
e. Suy luận
Do mạng Bayes là một mô hình hoàn chỉnh cho các biến và các quan hệ giữa chúng,
có thể dùng mạng Bayes để trả lời các truy vấn xác suất về các biến này. Ví dụ, mạng
Bayes có thể được dùng để tìm tri thức mới nhất về trạng thái của một tập con gồm
các biến khi các biến khác (các biến hiển nhiên) được quan sát. Quá trình tính phân
bố hậu nghiệm này của các biến khi cho trước các biến hiển nhiên được gọi là suy
luận xác suất. Quá trình hậu nghiệm cho ra một thống kê đủ phổ quát (universal
sufficient statistic) cho các ứng dụng phát hiện, khi người ta muốn chọn các giá trị
cho một tập con các biến nhằm mục đích cực tiểu hóa một hàm phí tổn nào đó, chẳng
hạn xác suất của lỗi quyết định. Do đó, có thể coi mạng Bayes là một cơ chế cho việc
xây dựng tự động các mở rộng của định lý Bayes cho các bài toán phức tạp hơn.
f. Ứng dụng
Mạng Bayes được dùng cho việc mô hình hóa tri thức trong các mạng điều hòa
gene (gene regulatory network), trong các hệ thống y học, phân tích văn bản, xử lý
ảnh dung hợp dữ liệu, và các hệ hỗ trợ quyết định (decision support system)
2. Thuật toán Bayes
Trong lĩnh vực Machine Learning, Bayes Theorem (hay Bayes’ Rule) là kỹ thuật phân
lớp dựa vào việc tính xác suất có điều kiện. Bayes’ Rule được ứng dụng rất rộng rãi bởi
tính dễ hiểu và dễ triển khai.
Bayes' Rule (CT1):
Trong đó:
CH1301115 – Trịnh Nam Việt  Page 17

Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
D : Data
h : Hypothesis (giả thuyết)
P(h) : Xác suất giả thuyết h (tri thức có được về giả thuyết h trước khi có dữ liệu D) và
gọi là prior probability của giả thuyết h.
P(D| h): Xác suất có điều kiện D khi biết giả thuyết h (gọi là likelihood probability).
P(D): xác suất của dữ liệu quan sát D không quan tâm đến bất kỳ giả thuyết h nào.(gọi
làprior probability của dữ liệu D)
Tỷ số : Chỉ số liên quan (irrelevance index) dùng để đo lường sự liên quan
giữa 2 biến A và B. Nếu irrelevance index =1, có nghĩa A và B không liên quan nhau.
P(h|D) :Xác suất có điều kiện h khi biết D (gọi là posterior probability của giả thuyết h)
Trong rất nhiều ứng dụng, các giả thuyết h
i
có thể loại trừ nhau và vì dữ liệu quan sát D
là tập con của tập giả thuyết cho nên chúng ta có thể phân rã P(D) như sau (CT2):
Vì nên (CT1) có thể viết lại như sau (CT3)
CH1301115 – Trịnh Nam Việt  Page 18
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
Thay P(D) trong (CT2) vào (CT1) ta được (CT4)
(CT4) gọi là Bayes’s Theorem
CH1301115 – Trịnh Nam Việt  Page 19
Cụng ngh tri thc & ng dng GS.TSKHHong Kim
CHNG III. NG DNG BAYES THEOREM TRONG PHN LP D LIU (NAẽVE
BAYES CLASSIFIER)
1. Mc ớch chng trỡnh:
mc ớch thc hin bi tiu ln cho mụn hc nờn mc ớch chớnh ca chng trỡnh l
chy th kim tra vic thc hin thut toỏn cú chớnh xỏc hay khụng, l tin cho cỏc
chng trỡnh sau ny.
Chng trỡnh sau õy minh ha vic s dng Bayes Theorem trong vic phõn lp d
liu. B phõn lp d liu da trờn Bayes theorem cũn gi l Naùve Bayes Classifier.

2. Túm tt quỏ trỡnh hot ng:
Cú training data v vic l t phỳ nh sau:
CH1301115 Trnh Nam Vit Page 20
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
Sử dụng Naïve Bayes Classifier để xác định khả năng là tỉ phú với các yếu tố của người
được dự đoán như sau:
CH1301115 – Trịnh Nam Việt  Page 21
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm

Từ Training data ta có dữ liệu như sau:
Vì thuộc tính phân lớp Tỉ phú chỉ có 2 giá trị là “check” (nghĩa là tỉ phú) và “uncheck” (không
là tỉ phú) nên ta phải tính Pr(check|E) và Pr(uncheck|E) như sau. Trong đó E là dữ liệu cần phân
lớp (dự đoán)
CH1301115 – Trịnh Nam Việt  Page 22
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm


Tỉ lệ dự đoán là tỉ phú
Tỉ lệ dự đoán không là tỉ phú
Khả năng của 2 lớp là:
Check = 5/15 * 6/15 * 5/15 * 9/15 = 0.0267
Uncheck = 1/15 * 1/15 * 6/15 * 6/15 = 0.0007
CH1301115 – Trịnh Nam Việt  Page 23
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm
Chuyển đổi thành xác suất bằng cách chuẩn hóa
P(“check”) = 0.0267 / ( 0.0267 + 0.0007) = 0.974
P(“uncheck”) = 0.0007 / / ( 0.0267 + 0.0007) = 0.026
Vì P(“check”) > P(“uncheck”) nên kết quả dự đoán Tỉ phú =“check” ( TRUE )
CH1301115 – Trịnh Nam Việt  Page 24
Công nghệ tri thức & Ứng dụng GS.TSKHHoàng Kiếm

KẾT LUẬN
1. Kết quả đạt được:
Đã tìm hiểu và có thể implement thuật toán Naïve Bayes cho mục đích phân
lớp.
2. Hạn chế
Do hạn chế về thời gian và kiến thức nên tiểu luận chỉ mới trình bày sơ lược
về Công nghệ tri thức và thuật toán Bayes. Ngoài ra do không có các mẫu
huấn luyện lớn có ( lấy được từ các CSDL lớn ) nên phần mềm ứng dụng cũng
chỉ có 1 vài mẫu huấn luyện nhỏ để kiểm tra thuật toán
CH1301115 – Trịnh Nam Việt  Page 25