朴素贝叶斯 优点： 在数据较少的情况下仍然有效，可以处理多类别问题。 缺点： 对于输入数据的准备方式较为敏感。 使用数据类型： 标称型数据。 朴素贝叶斯是贝叶斯决策理论的一部分。 使用决策树方法对数据进行分类不会非常成功，二和简单的概率计算相比，kNN的计算量太大，因此一般问题使用概率比较方法。 使 ...
分类：
其他好文 时间：
2016-04-15 18:06:12
阅读次数：
277
4.1 基于贝叶斯决策理论的分类方法 朴素贝叶斯 优点：在数据较少的情况下仍然有效，可以处理多类别问题 缺点：对于输入数据的准备方式较为敏感 适用数据类型：标称型数据 贝叶斯决策理论的核心思想：选择具有最高概率的决策。 4.2 条件概率 4.3 使用条件概率来分类 4.4 使用朴素贝叶斯进行文档分类
分类：
其他好文 时间：
2016-02-06 18:27:09
阅读次数：
323
高度模块化的设计设Nginx架构的基础。在Nginx中，除了少量的核心代码，其它一切皆为模块。模块化设计具有下面特点：1、高度抽象的模块接口2、灵活性3、配置模块的设计使Nginx提供了高可配置性、高可扩展性、高可定制性、高可伸缩性。4、核心模块接口简单化5、多层次、多类别的模块设计全部模块间...
分类：
其他好文 时间：
2016-01-08 21:55:31
阅读次数：
167
原文：http://blog.csdn.net/hero_fantao/article/details/35784773不平衡学习方法机器学习中样本不平衡问题大致分为两方面：（1）类别中样本比率不平衡，但是几个类别的样本都足够多；（2）类别中某类样本较少。对第二个问题，其实不是我们重点，因为样本不足...
分类：
其他好文 时间：
2015-12-13 17:15:52
阅读次数：
237
高度模块化的设计设Nginx架构的基础。在Nginx中，除了少量的核心代码，其他一切皆为模块。模块化设计具有以下特点：
1、高度抽象的模块接口
2、灵活性
3、配置模块的设计使Nginx提供了高可配置性、高可扩展性、高可定制性、高可伸缩性。
4、核心模块接口简单化
5、多层次、多类别的模块设计
所有模块间是分层次、分类别的，官方Nginx有五大类型的模块：核心模块、配...
分类：
其他好文 时间：
2015-07-01 08:40:04
阅读次数：
146
Naive Bayes (朴素贝叶斯) 属于监督学习算法, 它通过计算测试样本在训练样本各个分类中的概率来确定测试样本所属分类, 取最大概率为其所属分类.优点在数据较少的情况下仍然有效,可以处理多类别问题缺点对输入数据的准备方式较为敏感适用数据类型标称型基础概念1. 条件概率P(A|B)表示事件B已...
分类：
其他好文 时间：
2015-06-27 19:44:26
阅读次数：
115
引文：前面提到的K最近邻算法和决策树算法，数据实例最终被明确的划分到某个分类中，下面介绍一种不能完全确定数据实例应该划分到哪个类别，或者说只能给数据实例属于给定分类的概率。基于贝叶斯决策理论的分类方法之朴素贝叶斯
优点：在数据较少的情况下仍然有效，可以处理多类别问题
缺点：对于输入数据的准备方式较为敏感
适用数据类型：标称型数据。
朴素贝叶斯的一般过程
收集数据：可以使用任何方式
准备数据：需要数...
分类：
编程语言 时间：
2015-05-28 14:09:46
阅读次数：
263
优点：在数据少的情况下仍然有效，可以处理多类别问题。缺点：对于输入数据的准备方式较为敏感。适用数据类型：标称型数据。使用条件概率来分类贝叶斯决策理论计算两个概率p1(x,y)和p2(x,y)：·如果p1(x,y) > p2(x,y)，那么属于类别1；·如果p2(x,y) > p1(x,y)，那么属于...
分类：
其他好文 时间：
2014-12-26 16:36:27
阅读次数：
214
logistic回归一般用于二分类问题，比如判断一封邮件是否为垃圾邮件，判断照片中的人是男是女，预测一场比赛输还是赢......当然也可以用于多分类问题，比如k类别，就进行k次logistic回归。logistic回归算法之所以称作“logistic”，是因为它运用了logistic函数，即sigmoid函数。
logistic回归算法一般用于二分类问题（当然也可以多类别，后面会讲）。
logistic回归的算法思想：
重点在于怎么根据训练数据求得最佳拟合参数Θ？这可以用最优化算法来求解，比如常用的梯度上升...
分类：
编程语言 时间：
2014-12-10 14:18:25
阅读次数：
502
朴素贝叶斯算法优缺点优点：在数据较少的情况下依然有效，可以处理多类别问题缺点：对输入数据的准备方式敏感适用数据类型：标称型数据算法思想：朴素贝叶斯比如我们想判断一个邮件是不是垃圾邮件，那么我们知道的是这个邮件中的词的分布，那么我们还要知道：垃圾邮件中某些词的出现是多少，就可以利用贝叶斯定理得到。朴素...
分类：
编程语言 时间：
2014-11-17 01:43:33
阅读次数：
456
