AI系统需要具备自己获取知识的能力，即从原始数据中提取模式的能力，这种能力被称为机器学习。 一个称为逻辑回归的简单机器学习算法可以可以决定是否跑妇产，这种能力被称为逻辑回归。 区分垃圾电子邮件和合法电子邮件，这种能力的算法是朴素贝叶斯算法。 这些简单的机器学习算法的性能在很大程度上依赖于给定数据的表 ...
分类：
其他好文 时间：
2017-12-02 14:10:29
阅读次数：
206
Output: The error rate is: 0.1 背景:为什么要做平滑处理? 零概率问题，就是在计算实例的概率时，如果某个量x，在观察样本库（训练集）中没有出现过，会导致整个实例的概率结果是0。在文本分类的问题中，当一个词语没有在训练样本中出现，该词语调概率为0，使用连乘计算文本出现概率 ...
分类：
编程语言 时间：
2017-11-19 17:25:21
阅读次数：
162
1 贝叶斯定理的引入 概率论中的经典条件概率公式： 公式的理解为，P（X ，Y）= P（Y，X）<=> P（X | Y）P（Y）= P（Y | X）P （X），即 X 和 Y 同时发生的概率与 Y 和 X 同时发生的概率一样。 2 朴素贝叶斯定理 朴素贝叶斯的经典应用是对垃圾邮件的过滤，是对文本格式 ...
分类：
编程语言 时间：
2017-11-04 16:23:24
阅读次数：
226
朴素贝叶斯算法如何理解？朴素贝叶斯算法是一个生成式的一个算法我们的目的就是分类判断当前的实例x是那个类别的,但是生成式是这样的p(Ck/x)在实际问题中我们通常知道p(Ck)这个叫做先验概率。我们也会知道p(x/ck)中的个数，这种条件概率那怎么求p(Ck/x)呢？首先是将条件概率分..
分类：
编程语言 时间：
2017-10-19 09:24:27
阅读次数：
190
转自穆晨 阅读目录 前言 准备数据：切分文本 训练并测试 小结 转自穆晨 阅读目录 前言 准备数据：切分文本 训练并测试 小结 回到顶部 前言 朴素贝叶斯算法最为广泛而经典的应用毫无疑问是文档分类，更具体的情形是邮件过滤系统。 本文详细地讲解一个基于朴素贝叶斯分类算法的邮件过滤系统的具体实现。 本文 ...
分类：
编程语言 时间：
2017-09-20 23:25:07
阅读次数：
230
华电北风吹 日期：2015/12/12 朴素贝叶斯算法和高斯判别分析一样同属于生成模型。但朴素贝叶斯算法须要特征条件独立性如果，即样本各个特征之间相互独立。 一、朴素贝叶斯模型 朴素贝叶斯算法通过训练数据集学习联合概率分布p(x,y),其中x=(x1,x2,...,xn)∈Rn,y∈Rp(x,y), ...
分类：
其他好文 时间：
2017-08-11 10:56:50
阅读次数：
106
1. Naive Bayes算法 朴素贝叶斯算法算是生成模型中一个最经典的分类算法之一了，常用的有Bernoulli和Multinomial两种。在文本分类上经常会用到这两种方法。在词袋模型中，对于一篇文档$d$中出现的词$w_0,w_1,...,w_n$, 这篇文章被分类为$c$的概率为$$p(c ...
分类：
编程语言 时间：
2017-07-26 23:33:33
阅读次数：
399
1、朴素贝叶斯算法介绍 一个待分类项x=（a,b,c...），判断x属于y1,y2,y3...类别中的哪一类。 贝叶斯公式： 算法定义如下： （1）、设x={a1, a2, a3, ...}为一个待分类项，而a1, a2, a3...分别为x的特征 （2）、有类别集合C={y1, y2, y3, . ...
分类：
编程语言 时间：
2017-07-26 00:21:26
阅读次数：
192
朴素贝叶斯算法简洁http://blog.csdn.net/xlinsist/article/details/51236454引言先前曾经看了一篇文章，一个老外程序员写了一些很牛的Shell脚本，包括晚下班自动给老婆发短信啊，自动冲Coffee啊，自动扫描一个DBA发来的邮件啊，等等。于是我也想用自己所学来做一点有趣的事情..
分类：
编程语言 时间：
2017-07-25 01:00:51
阅读次数：
175
监督学习：分类和回归属于监督学习。这类算法必须知道预测什么，即目标变量的分类信息。 常见算法：k-近邻算法、线性回归、朴素贝叶斯算法、支持向量机、决策树、Lasso最小回归系数估计、Ridge回归、局部加权线性回归 无监督学习：数据没有类别信息，不给定目标值。 常见算法：K-均值、最大期望算法、DB ...
分类：
其他好文 时间：
2017-07-24 16:30:08
阅读次数：
116
