1.贝叶斯分类器: 用途：分类，举例：垃圾邮件过滤。 是一种典型的监督算法。需要经过训练才能后续进行分类。 进行贝叶斯分类的时候，最重要的环节是特征的提取，这个将训练或者分类的数据转化成一个特征列表。 优点：速度快。对分类器实际学习状况的解释相对简单。 缺陷：无法处理基于特征组合所产生的变化结果。 ...
分类：
编程语言 时间：
2014-12-28 23:28:54
阅读次数：
234
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大时，朴素贝叶斯分类效率比不上决策树模型；当各特征相关性较小时，朴素贝叶斯分类性能最为良好。另外朴素贝叶斯的计算过程类条件概率等计算彼此是独立的，因此特别适于分布式计算。本文详述了朴素贝叶斯分类的统计学原理，并在文本分类中...
分类：
编程语言 时间：
2014-12-12 20:56:48
阅读次数：
1004
分类算法与我们的生活息息相关，也是目前数据挖掘中应用最为广泛的算法，如：已知系列的温度、湿度的序列和历史的是否下雨的统计，我们需要利用历史的数据作为学习集来判断明天是否下雨；又如银行信用卡诈骗判别。
分类问题都有一个学习集，根据学习集构造判别函数，最后根据判别函数计算我们所需要判别的个体属于哪一类的。
常见的分类模型与算法
传统方法
1、线性判别法；2、距离判别法；3、贝叶斯分类器；
现...
分类：
编程语言 时间：
2014-12-08 10:44:59
阅读次数：
409
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...
分类：
其他好文 时间：
2014-12-04 01:12:30
阅读次数：
333
1.背景
首先，在文章的开头，先提出几个问题，如果这些问题你都答得上来，那么本文你就无需阅读了，或者你阅读的动机纯粹是给本文挑毛病，当然我也无比欢迎，请发送邮件“毛病の朴素贝叶斯”发送至297314262@qq.com，我会认真阅读你的来信。
By the way，如果阅读完本文，你还是无法回答以下问题，那么也请你邮件通知我，我会尽量解答你的疑惑。
朴素贝叶斯分类器中的“朴素”特指此...
分类：
其他好文 时间：
2014-11-24 01:12:20
阅读次数：
215
贝叶斯的应用过滤垃圾邮件贝叶斯分类器的著名的应用就是垃圾邮件过滤了，这方面推荐想详细了解的可以去看看《黑客与画家》或是《数学之美》中对应的章节，贝叶斯的基础实现看这里数据集两个文件夹，分别是正常邮件和垃圾邮件，其中各有25封邮件测试方法从50封邮件中随机选取10封做为测试数据实现细节1.首先我们需要...
分类：
编程语言 时间：
2014-11-19 07:10:16
阅读次数：
371
朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。简单来说，朴素贝叶斯分类器假设样本每个特征与其他特征都不相关。举个例子，如果一种水果具有红，圆，直径大概4英寸等特征，该水果可以被判定为是苹果。尽管这些特征相互依赖或者有些特征由其他特征决定，然而朴素贝叶斯分类器认为这些属性在判定该水果是.....
分类：
其他好文 时间：
2014-11-15 20:14:09
阅读次数：
319
1.概念和机制 朴素贝叶斯分类法假定类条件独立。当假定成立时，与其他所有分类器相比，朴素贝叶斯分类器是最准确的。然而，在实践中，变量之间可能存在依赖关系。贝叶斯信念网络说明联合条件概率分布。它允许在变量的子集间定义类条件独立性。它提供一种因果关系的图形模型，可以在其上进行学习。训练后的贝叶斯信念网....
分类：
其他好文 时间：
2014-11-07 18:36:30
阅读次数：
283
贝叶斯分类器 贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。眼下研究较多的贝叶斯分类器主要有四种，各自是：Naive Bayes、TAN、BAN和GBN。 贝叶斯网络是一个带有概率...
分类：
编程语言 时间：
2014-10-28 13:47:41
阅读次数：
182
