如何学习Python 最近开始整理python的资料，会陆续放到博客中存档。找了几个qq群，其中有一个群 "78486745（点击进群）" 。后面就没怎么加群了，还是需要看官方文档为主 python语言基础：（带你熟悉python语言的特性，学会使用python开发环境，使用python开发一些简单 ...
分类：
编程语言 时间：
2019-01-24 21:50:11
阅读次数：
227
朴素贝叶斯算法是机械学习中比较简单中的算法，采用贝叶斯算法可以实现简单的分类技术。 文章中采用的数据训练库为 THUOCL：清华大学开放中文词库 数据格式为 : word , type (单词、类型) 如图所示： 算法执行步骤1.数据训练集2.格式化数据满足算法输入要求3.分析数据训练算法4.测试算 ...
分类：
编程语言 时间：
2019-01-17 19:51:22
阅读次数：
334
原文链接： Jack Cui，https://cuijiahua.com/blog/2017/11/ml_4_bayes_1.html 一、前言 朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领 ...
分类：
其他好文 时间：
2019-01-12 12:03:56
阅读次数：
183
朴素贝叶斯（Naive Bayes） 一、简介 首先介绍一下贝叶斯： 贝叶斯(约1702 1761) Thomas Bayes，英国数学家。 约1702年出生于伦敦，做过神甫。1742年成为英国皇家学会会员。1761年4月7日逝世。贝叶斯在数学方面主要研究概率论。 他首先将归纳推理法用于概率论基础理 ...
分类：
编程语言 时间：
2018-12-28 00:52:17
阅读次数：
437
朴素贝叶斯naive bayes是直接生成方法，也就是直接找出特征输出Y和特征X的联合分布P(X,Y)P(X,Y),然后用P(Y|X)=P(X,Y)/P(X)P(Y|X)=P(X,Y)/P(X)得出。 数学基础： 1. 最大似然估计 ...
分类：
编程语言 时间：
2018-12-24 18:12:45
阅读次数：
177
一、算法介绍https://www.cnblogs.com/love528/p/10125089.html 二、实现过程 实验步骤 （1）收集数据：提供文本文件。 （2）准备数据：将文本文件解析成词条向量。 （3）分析数据：检查词条确保解析的正确性。 （4）训练算法：计算不同的独立特征的条件概率。 ...
分类：
编程语言 时间：
2018-12-17 20:12:07
阅读次数：
265
一、算法介绍 朴素贝叶斯法，简称NB算法，是贝叶斯决策理论的一部分，是基于贝叶斯定理与特征条件独立假设的分类方法： 首先理解两个概念： · 先验概率是指根据以往经验和分析得到的概率，它往往作为“由因求果”问题中的“因”出现； · 后验概率是指在得到“结果”的信息后重新修正的概率，是“执果寻因”问题中 ...
分类：
编程语言 时间：
2018-12-15 22:33:22
阅读次数：
245
1.算法from sklearn.datasets import load_iris iris =load_iris() iris.keys() from sklearn.cluster import KMeans est = KMeans(n_clusters=4) est.fit(iris.da... ...
分类：
其他好文 时间：
2018-11-22 22:36:14
阅读次数：
201
1、 简述分类与聚类的联系与区别。 简述什么是监督学习与无监督学习。 分类与聚类：分类是一种有监督的算法，是在已经有目标分类的情况下对数据进行类别判断（朴素贝叶斯算法）。而聚类是一种无监督算法，是在建立模型之前还没有目标分类，将特征相似的数据自动聚为一类的算法（KMeans聚类算法）。 有监督学习和 ...
分类：
编程语言 时间：
2018-11-22 12:29:05
阅读次数：
187
一 朴素贝叶斯算法 1. 简介 NaïveBayes算法，又叫朴素贝叶斯算法，朴素：特征条件独立；贝叶斯：基于贝叶斯定理。属于监督学习的生成模型，实现简单，没有迭代，并有坚实的数学理论（即贝叶斯定理）作为支撑。在大量样本下会有较好的表现，不适用于输入向量的特征条件有关联的场景。 2. 基本思想 (1 ...
分类：
其他好文 时间：
2018-11-18 00:44:09
阅读次数：
342
