前面文章已经介绍了朴素贝叶斯算法的原理，这里基于NavieBayes算法对newsgroup文本进行分类测试。
文中代码参考：http://blog.csdn.net/jiangliqing1234/article/details/39642757
主要内容如下：
1、newsgroup数据集介绍
数据下载地址：http://download.csdn.net/detail/hjy...
分类：
其他好文 时间：
2016-03-29 10:58:41
阅读次数：
367
4.1朴素贝斯法的学习与分类
4.1.1基本方法
设输入空间为n维向量的集合，输出空间为类标记。P(X,Y)是X和Y的联合概率分布。训练数据集由P(X,Y)独立同分布产生。
朴素贝叶斯法通过训练数据集学习联合概率分布P(X,Y)，即先验概率分布和条件概率分布，从而学到联合概率分布P(X,Y)。
条件概率分布有指数级的参数，假设可能的取值有...
分类：
其他好文 时间：
2016-03-29 10:54:44
阅读次数：
142
本讲大纲：
1.生成学习算法（Generative learning algorithm）
2.高斯判别分析（GDA，Gaussian Discriminant Analysis）
3.朴素贝叶斯（Naive Bayes）
4.拉普拉斯平滑（Laplace smoothing）
1.生成学习算法
判别学习算法（discriminative learning algorithm）:...
分类：
其他好文 时间：
2016-03-28 12:04:30
阅读次数：
218
【机器学习实验】使用朴素贝叶斯进行文本的分类 【机器学习实验】使用朴素贝叶斯进行文本的分类 时间：2015-05-03 23:41:39 阅读：2251 评论：0 收藏：0 [点我收藏+] 标签：机器学习实验 引言 朴素贝叶斯由贝叶斯定理延伸而来的简单而强大的概率模型，它根据每个特征的概率确定一个对 ...
分类：
其他好文 时间：
2016-03-26 10:46:47
阅读次数：
287
贝叶斯学习 贝叶斯公式 贝叶斯学习器事实上是从经典的贝叶斯概率公式的来的，对于经典的贝叶斯公式： P(A|B)=P(B|A)P(A)P(B)P(A|B)={P(B|A)P(A)\over{P(B)}} 式中P(A)表示A的先验概率（即A发生的概率与B无关），P(A|B)表示A的后验概率（即在已知B发
分类：
其他好文 时间：
2016-03-10 14:26:43
阅读次数：
278
朴素贝叶斯（Naive Bayes）及Python实现 http://www.cnblogs.com/sumai 1.模型 在GDA 中，我们要求特征向量 x 是连续实数向量。如果 x 是离散值的话，可以考虑采用朴素贝叶斯的分类方法。 以垃圾邮件分类为例子，采用最简单的特征描述方法，首先找一部英语词
分类：
编程语言 时间：
2016-03-10 01:29:11
阅读次数：
370
贝叶斯分类器是一种对于属性集X和类变量Y的概率关系建模的方法，其有两种实现方式：朴素贝叶斯和贝叶斯信念网络。本次首先介绍贝朴素叶斯，以及在R软件中的实现和注意事项。
分类：
其他好文 时间：
2016-03-02 19:50:59
阅读次数：
217
http://www.crocro.cn/post/286.html 利用朴素贝叶斯算法进行分类-Java代码实现 鳄鱼 3个月前 (12-14) 分类：机器学习 阅读(44) 评论(0) Java package cn.crocro.classifier; import java.util.Arr
分类：
编程语言 时间：
2016-02-28 12:25:10
阅读次数：
189
作者：张洋 算法杂货铺——分类算法之决策树(Decision tree) 2010-09-19 16:30 by T2噬菌体, 44346 阅读, 29 评论, 收藏, 编辑 3.1、摘要 在前面两篇文章中，分别介绍和讨论了朴素贝叶斯分类与贝叶斯网络两种分类算法。这两种算法都以贝叶斯定理为基础，可以
分类：
编程语言 时间：
2016-02-24 20:51:43
阅读次数：
188
所谓分类，就是根据事物的特征(Feature)对其归类(Class) 特征的数据特点有两种可能： 1. 标签式 2. 实数（大样本/小样本） 下面我们分别来看 一、标签式 这是一个病人分类的例子 某个医院早上收了六个门诊病人，如下表。 症状 职业 疾病 打喷嚏 护士 感冒 打喷嚏 农夫 过敏 头痛
分类：
其他好文 时间：
2016-02-10 01:36:23
阅读次数：
289
