KNN,Naive Bayes, Laplacian Correction 연습 문제 모음

K-NN 분류 연습 문제

다음과 같은 데이터 세트가 있다고 가정합니다. 새로운 데이터 포인트 (5, 5)를 분류하기 위해 K-NN 알고리즘을 사용합니다. K=3일 때, 새로운 데이터 포인트의 클래스를 예측하세요.

 

Index	X	Y	Class
2	2	2	B
3	3	3	B
4	6	6	A
5	7	7	B
6	8	8	D

 

(5,5)와 가장 가까운 점 세 개는 (3,3,B),(6,6,A),(7,7,B)이다.

 

정답 : (5,5) 예측 클래스 :B 

---

Naive Bayes

1. ( 라플라스 보정이 필요 없는 경우)

고 객	웹사이트 방문 여부	이메일 클릭 여부	장바구니 추가 여부	이전 구매 여부	구매
고객 1	O	X	O	X	구매
고객 2	X	O	X	O	미구매
고객 3	X	O	O	X	구매
고객 4	O	X	X	O	미구매
고객 5	X	O	X	X	구매
고객 6	O	X	O	O	미구매
고객 7	X	O	O	O	구매
고객 8	X	X	O	X	미구매
고객 9	O	O	X	O	구매
고객 10	X	X	X	X	미구매

 

아래의 조건을 만족 했을 때 고객이 상품을 구매했을 확률을 구하시오.

 

• 웹사이트 방문 여부: X
• 이메일 클릭 여부: O
• 장바구니 추가 여부: O
• 이전 구매 여부: X

정답:

P(고객이 상품 구매 했을 확률)xP( !웹사이트 방문 | 고객이 상품 구매) x P( 이메일 클릭| 고객이 상품 구매) x P(장바구니 추가| 고객이 상품 구매)xP( !이전 구매 | 고객이 상품 구매) = 5/10 x 3/5 x 4/5 x 3/5 x 3/5  =0.0864 

 

2. ( 라플라스 보정이 필요한 경우)

---

 

메일	단어 '무료' 포함	단어 '즉시' 포함	링크 포함	이미지 포함	스팸
이메일 1	O	X	O	X	스팸
이메일 2	X	O	X	O	스팸
이메일 3	O	O	O	X	스팸
이메일 4	X	X	X	O	정상
이메일 5	O	X	O	O	스팸
이메일 6	X	O	X	X	정상
이메일 7	X	X	X	O	정상
이메일 8	X	X	O	X	정상
이메일 9	O	X	X	X	스팸
이메일 10	X	O	X	O	정상

아래의 조건을 만족할 때 정상 메일일 확률을 구하시오. ( 분모와 분자에 1을 더한 라플라스 보정을 활용한다.)

 

새로운 이메일 조건:

• 단어 '무료' 포함: X
• 단어 '즉시' 포함: O
• 링크 포함: O
• 이미지 포함: X

정답 :

P(스팸) x P' (! 단어 '무료' 포함 | 스팸) x P'( 단어 '즉시' 포함 | 스팸) x P(링크 포함 | 스팸) x P(!이미지 포함 | 스팸) =

5/10 x 1/(5+4) x (2+1)/(5+4) x  (1+1)/(5+4) x (1+2)/(5+4) = 0.00137174211