贝叶斯方法非常强大，有着坚实的理论基础。很多高级自然语言处理模型也可以从它演化而来。因此，学习贝叶斯方法，是研究自然语言处理问题的一个非常好的切入口。 贝叶斯公式贝叶斯公式就一行：P(Y|X)=P(X|Y)P(Y)P(X)P(Y|X)...
分类：
其他好文 时间：
2016-02-01 15:52:47
阅读次数：
483
贝叶斯学习方法中实用性很高的一种为朴素贝叶斯学习期，常被称为朴素贝叶斯分类器。在某些领域中与神经网络和决策树学习相当。虽然朴素贝叶斯分类器忽略单词间的依赖关系，即假设所有单词是条件独立的，但朴素贝叶斯分类在实际应用中有很出色的表现。
朴素贝叶斯文本分类算法伪代码：
朴素贝叶斯文本分类算法流程：
通过计算训练集中每个类别的概率与不同类别下每个单词的概率，然后利用朴素贝叶斯公式计...
分类：
其他好文 时间：
2016-01-17 23:20:01
阅读次数：
478
事实上，在很长一段时间里，人们都没有注意到贝叶斯公式所潜藏的巨大价值。直到二十世纪人工智能、机器学习等崭新学术领域的出现，人们才从一堆早已蒙灰的数学公式中发现了贝叶斯公式的巨大威力。本文介绍机器学习中的朴素贝叶斯分类法，并通过一个实例来演示该算法的具体应用。...
分类：
其他好文 时间：
2015-12-31 17:35:13
阅读次数：
212
预备知识：贝叶斯公式：A、B事件。在A发生条件下B发生的概率=在B发生条件下A发生的概率*B发生的概率/A发生的概率P(B|A)=P(A|B)P(B) / P(A)全概率公式：特别的，设实验E的样本空间为S,A为E的事件,B1,B2,...,Bn为S的一个划分,且P(Bi)>0(i=1,2,...,...
分类：
其他好文 时间：
2015-11-04 00:21:08
阅读次数：
179
1、概述朴素贝叶斯分类是贝叶斯分类器的一种，贝叶斯分类算法是统计学的一种分类方法，利用概率统计知识进行分类，其分类原理就是利用贝叶斯公式根据某对象的先验 概率计算出其后验概率（即该对象属于某一类的概率），然后选择具有最大后验概率的类作为该对象所属的类。总的来说：当样本特征个数较多或者特征之间相关性较...
分类：
编程语言 时间：
2015-10-06 23:29:28
阅读次数：
456
1、简单例子引入 2、先验概率 3、后验概率 4、最小错误率决策 5、最小风险贝叶斯决策 1. 贝叶斯公式 2简单例子 正常情况下，我们可以快速的将街上的人分成男和女两类。这里街上的人就是我们观测到的样本，将每一个人分成男、女两类就是我们做决策的过程。上面的问题就是一个分类问题。 分类可以看作是一种...
分类：
其他好文 时间：
2015-09-28 23:39:39
阅读次数：
217
这个系列是为了应对找工作面试时面试官问的算法问题，所以只是也谢算法的简要介绍，后期会陆续补充关于此算法的常见面试的问题！
贝叶斯分类器的原理其实很简单，知道了贝叶斯公式基本上就知道了贝叶斯分类器的工作原理。对于一个待分类项，求出此项出现的条件下哪个类别的概率大，就判定为哪类，仅次而已。其实贝叶斯分类器是建立在错误的理论上建立起来的分类器，没错就是错误的理论，它假定事物之间是没有联系的...
分类：
编程语言 时间：
2015-08-25 16:40:06
阅读次数：
175
贝叶斯公式是一个很好的工具。理解贝叶斯需要复习一下条件概率：P(A|B)叫做B发生的条件下，A发生的概率。P(AB)叫做AB同时发生的概率。P(A|B) = P(AB)/P(B)
分类：
其他好文 时间：
2015-08-07 12:52:40
阅读次数：
97
在之前的文章( 贝叶斯方法及其应用(1)）中我们谈到了贝叶斯公式，也提到了后验概率 = 先验概率*标准相似度。 那么对于贝叶斯公式P(A│B)=P(A∩B)/P(B) =P(A)(P(B|A))/P(B) ，之前提到如果”可能性函数”P(B|A)/P(B)>1，意味着”先验概率”被增强，事件A的发生的可能性变大；如果”可能性函数”=1，意味着B事件无助于判断事件A的可能性；如果”可能性函数”<1，...
分类：
其他好文 时间：
2015-08-05 14:53:51
阅读次数：
126
一、简答题（本题共30分）1、如何理解继承、多态、组合，请举例说明它们的应用。（10分）2、请列举出进程间通信的几种方式（至少列举出三种）。（10分）3、请写出贝叶斯公式，请描述朴素贝叶斯分类方法的原理和步骤。（10分）二、算法与程序设计（本题共40分）1、两个长度为100的随机向量X和Y，X=（x...
分类：
其他好文 时间：
2015-07-31 01:01:05
阅读次数：
231
