在搭建一个AI模型或者是机器学习模型的时候怎么去评估模型，比如我们前期讲的利用朴素贝叶斯算法做的垃圾邮件分类算法，我们如何取评估它。我们需要一套完整的评估方法对我们的模型进行正确的评估，如果模型效果比较理想的话则可以放到线上使用，如果不理想的话则需要反复的去调整相关参数进行训练直到达到目的。 ...
分类：
其他好文 时间：
2020-07-23 23:20:40
阅读次数：
84
一。贝叶斯基本理论 二。看一个简单的例题，只有一个特征(长度)。 对于贝叶斯方法来说，首先要知道类别的先验概率，和类概率。 对于上述例题来说，p（x=10|w1）和p（x=10|w2）是已知的，但是拿到别的例子来说，这个是需要我们自己计算的。通过多个样本，计算类概率密度，其实就是训练的过程。 例题只 ...
分类：
其他好文 时间：
2020-07-22 23:29:51
阅读次数：
78
一、频率派 vs 贝叶斯派 机器学习主要解决从数据中获取其概率分布的问题，通过一些机器学习的算法可以从大量数据中找到一定的规律，从而建立模型来解决实际问题，因此机器学习中主要使用数据来求解其参数： data:\(X\) $X= \left[ \begin x_1 & x_2 & \cdots & x ...
分类：
其他好文 时间：
2020-07-22 21:00:17
阅读次数：
102
@ 一、贝叶斯网络定义 1.1 贝叶斯网络例子 二、概率影响的流动性 三、贝叶斯网络中的独立性 ...
分类：
其他好文 时间：
2020-07-21 01:24:45
阅读次数：
86
@ 一、因子图（factor graph）的定义 二、贝叶斯网络用因子图表示 三、MRF 用因子图表示 ...
分类：
其他好文 时间：
2020-07-21 01:12:46
阅读次数：
75
一、概述 贝叶斯分类算法是统计学的一种概率分类方法，朴素贝叶斯分类是贝叶斯分类中最简单的一种。其分类原理就是利 用贝叶斯公式根据某特征的先验概率计算出其后验概率，然后选择具有最大后验概率的类作为该特征所属的类。之 所以称之为”朴素”，是因为贝叶斯分类只做最原始、最简单的假设：所有的特征之间是统计独立 ...
分类：
编程语言 时间：
2020-07-12 16:50:57
阅读次数：
65
当有人告诉你“走过贝克街你有0.1的概率被杀害”，如何用主观的方式理解。 已知$P(走过贝克街被杀害)=0.1$，这是一个先验概率。考虑$P(走过贝克街被杀害|手里拿着杯子)$这个后验概率 \(P(走过贝克街被杀害|手里拿着杯子)=\frac{P(手里拿着杯子|走过贝克街被杀害)\cdot P(走过 ...
分类：
其他好文 时间：
2020-07-11 21:09:08
阅读次数：
77
先说结论，贝叶斯分类=最大化后验概率。 给定样本$x$和所属类别$c$，贝叶斯最优分类器欲最大化后验概率$P(c|x)$。想实现这个目的可以通过判别模型（如决策树、支持向量机等，直接对后验概率建模），或生成模型（对联合概率$P(x,c)$建模）。 对于生成模型，考虑： \[ P(c|x)=\frac ...
分类：
其他好文 时间：
2020-07-11 20:54:58
阅读次数：
68
心得体会 1.计算每一个特征值在不同结果占比，例特征值c在结果A的所有特征的“占比”rA ，在结果B的所有特征“占比”rB，rB>rA使说明B结果可能性大 2.得到一条数据，将该数据转换成特征向量，计算所有特征值生成的不同结果的概率，选择其中概率最大的结果，例PA>PB，则该数据结果为PA 3.通过 ...
分类：
其他好文 时间：
2020-07-09 12:39:33
阅读次数：
74
心得体会 1交叉验证：从训练的数据里随机抽取作为测试集 # 4-6朴素贝叶斯过滤垃圾邮件 #朴素贝叶斯交叉验证 def textParse(bigString): import re listOfTokens=re.split('\\W+',bigString) return [tok.lower( ...
分类：
其他好文 时间：
2020-07-09 11:59:40
阅读次数：
68
