朴素：在给定类别的情况下，各个特征相互独立 贝叶斯公式：P(A|B)=P(A)P(B|A)/P(B) 朴素贝叶斯：P(特征|类别)=P(特征)P(类别|特征)/P(类别) 核心思想：算一下概率，那种类别概率大，就分为那种类别。 在scikit-learn中的实现： 1.高斯贝叶斯：数据集符合高斯（正 ...
分类：
其他好文 时间：
2020-06-25 12:11:08
阅读次数：
100
快速幂顾名思义，就是快速算某个数的多少次幂。 其时间复杂度为O(log?N)，与朴素的O(N)相比效率有了极大的提高。 核心思想就是 如果$k$是偶数 那么 \(x^ k =(x^{2})^{\tfrac{k}{2}}\) 如果$k$是奇数 那么 \(x ^ k = x * x ^{ ( k - 1 ...
分类：
其他好文 时间：
2020-06-24 23:24:39
阅读次数：
47
题目链接：http://poj.org/problem?id=2286 对于24个数组成的#，一共有8中拉的方式，求使得中间8个数相同的最小操作以及操作方式，由于一个结点扩展的分支有7个，所以朴素dfs将会在无法获得最优解的分支上花费太多时间 通过枚举操作次数可以避免dfs搜索过深，并且加上未来估计 ...
分类：
编程语言 时间：
2020-06-22 11:12:25
阅读次数：
63
$\text$序列，是树与序列的一种双射。 ##构建过程： 每次找到一个编号最小的叶子节点$Leaf$,将它删掉，并将它所连接的点的度数$-1$,且加入$\text$序列。 重复上述步骤，直到只剩下两个点。 ##实现： 考虑如何实现。 最朴素的显然每次暴力找，复杂度$O(n^2).$显然不够优秀。 ...
分类：
其他好文 时间：
2020-06-21 18:13:00
阅读次数：
67
SmartbiMining通过深度数据建模，为企业提供预测能力支持文本分析、五大类算法和数据预处理，并为用户提供一站式的流程式建模、拖拽式操作和可视化配置体验。SmartbiMining算法丰富，而且可扩展SmartbiMining数据挖掘平台支持多种高效实用的机器学习算法，包含了分类、回归、聚类、预测、关联，5大类机器学习的成熟算法。其中包含了多种可训练的模型：逻辑回归、决策树、随机森林、朴素贝
分类：
其他好文 时间：
2020-06-19 16:04:38
阅读次数：
182
在NLP中，对于把词转为向量的操作，最朴素的想法是one-hot独热编码形式，即一个词占一维向量。但这样有两个缺点： 1）不考虑词与词之间的顺序（文本中词的顺序也很重要） 2）假设词是独立的。例如猫和狗、床和沙发，词之间原本是有不同的亲疏远近关系的 3）得到的特征是稀疏的。如果所有的词各占一维，那么 ...
分类：
其他好文 时间：
2020-06-18 19:26:08
阅读次数：
59
算法原理 朴素贝叶斯是经典的机器学习算法之一，也是为数不多的基于概率论的分类算法。朴素贝叶斯原理简单，也很容易实现，多用于文本分类，比如垃圾邮件过滤。 该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。 但由于该算法以自变量之间的独立（条件特征独立）性和连续变 ...
分类：
编程语言 时间：
2020-06-17 20:14:27
阅读次数：
73
1. 读邮件数据集文件，提取邮件本身与标签。 列表 numpy数组 2.邮件预处理 邮件分句 名子分词 去掉过短的单词 词性还原 连接成字符串 传统方法来实现 nltk库的安装与使用 pip install nltk import nltk nltk.download() # sever地址改成 h ...
分类：
其他好文 时间：
2020-06-16 13:15:18
阅读次数：
60
1. 读邮件数据集文件，提取邮件本身与标签。 列表 numpy数组 2.邮件预处理 邮件分句 句子分词 大小写，标点符号，去掉过短的单词 词性还原：复数、时态、比较级 连接成字符串 2.1 传统方法来实现 2.2 nltk库的安装与使用 pip install nltk import nltk nl ...
分类：
其他好文 时间：
2020-06-14 20:23:08
阅读次数：
60
大学里的三点收获 2001年我考入了南开大学，起初大学的生活是让人有点失落的，但慢慢地从安静朴素的校园和踏实努力的氛围中，我还是找到了自己的节奏。大学期间我主要在做三件事情 ，一是写代码，因为我是搞技术的；二是看书，看了很多很多书；三是修电脑。基于此自己也有三点收获：耐心，知识，伙伴。 第一点收获： ...
分类：
其他好文 时间：
2020-06-13 19:47:14
阅读次数：
377
