概率是许多机器学习算法的基础，在前面生成决策树的过程中使用了一小部分关于概率的知识，即统计特征在数据集中取某个特定值的次数，然后除以数据集的实例总数，得到特征取该值的概率。之前的基础实验中简单实现了朴素贝叶斯分类器，并正确执行了文本分类，这一节将贝叶斯运用到实际场景，垃圾邮件过滤这一实际应用。...
分类：
其他好文 时间：
2015-09-15 00:18:48
阅读次数：
232
6 Easy Steps to Learn Naive Bayes Algorithm (with code in Python)IntroductionHere’s a situation you’ve got into:You are working on a classification pr...
分类：
编程语言 时间：
2015-09-14 21:07:45
阅读次数：
269
概率是许多机器学习算法的基础，在前面生成决策树的过程中使用了一小部分关于概率的知识，即统计特征在数据集中取某个特定值的次数，然后除以数据集的实例总数，得到特征取该值的概率。...
分类：
其他好文 时间：
2015-09-12 00:52:33
阅读次数：
222
初体验：概率论为我们提供了一个衡量和控制不确定性的统一的框架，也就是说计算出了一大堆的概率。那么，如何根据这些计算出的概率得到较好的结果，就是决策论要做的事情。一个例子：文中举了一个例子：给定一个X射线图x，目标是如何判断这个病人是否得癌症(C1或C2).我们把它看作是一个二分类问题,根据bayes...
分类：
其他好文 时间：
2015-08-14 15:35:37
阅读次数：
243
简介Naive和BayesNaive：假定向量中的所有特征是相互独立的
Bayes：面向的问题NB主要用于解决有监督分类问题。相比于其他模型，其具备简单（不需要复杂的迭代式参数估计，由此方便处理大数据）、可解释性强（生成模型）、效果佳的特点。目标针对二分类问题，利用训练集数据学习一个判断阈值α，对于新来的数据做判定，大于α的数据属于正类，小于α的数据属于负类。有监督分类中存在两大流派 diagno...
分类：
编程语言 时间：
2015-08-12 10:18:11
阅读次数：
206
本小节阅读：
MLAPP：第三章
CS229：Naive bayes
贝叶斯概念学习
我们考虑一个小孩学习一个词的过程，比如“狗”。大概是小孩的父母指出了这个词的一些正例，比如说：“看那条可爱的狗”或者“记住那条小狗”等等。然而，他们是不太可能提供如“看那条不是狗的东西”的负例。当然，负例也可能在动态学习的过程中接触到，比如父母可能纠正小孩的错误：“那是一只猫，不是一条狗。” —...
分类：
系统相关 时间：
2015-08-01 19:03:59
阅读次数：
374
朴素贝叶斯算法与上篇中写到到生成学习算法的思想是一致的。它不需要像线性回归等算法一样去拟合各种假设的可能，只需要计算各种假设的概率，然后选择概率最高的那种假设分类类别。其中还添入了一个贝叶斯假定：在给定目标值y时属性值x之间相互独立。这样的分类算法被称为朴素贝叶斯分类器（Naive Bayes classifier） 。
1、朴素贝叶斯算法
在朴素贝叶斯算法的模型里，给定的训练集为,...
分类：
编程语言 时间：
2015-07-24 13:04:49
阅读次数：
215
朴素贝叶斯算法（Naive Bayes）阅读目录一、病人分类的例子二、朴素贝叶斯分类器的公式三、账号分类的例子四、性别分类的例子 生活中很多场合需要用到分类，比如新闻分类、病人分类等等。 本文介绍朴素贝叶斯分类器（Naive Bayes classifier），它是一种简单有效的常用分类算法。回.....
分类：
编程语言 时间：
2015-07-21 07:52:40
阅读次数：
137
生活中很多场合需要用到分类，比如新闻分类、病人分类等等。 本文介绍朴素贝叶斯分类器（Naive Bayes classifier），它是一种简单有效的常用分类算法。一、病人分类的例子 让我从一个例子开始讲起，你会看到贝叶斯分类器很好懂，一点都不难。 某个医院早上收了六个门诊病人，如下表。 ...
分类：
编程语言 时间：
2015-07-20 09:15:02
阅读次数：
147
