目前, 机器学习主要由以下三条主线进行发展: DeepLearning 算法 (DL, 深度学习: 2010 年前后由多伦多大学的 Geoffrey Hinton 提出) 与衍生的 卷积神经网络 (CNN, 有监督) 和深度置信网络 (DNN, 无监督) 在计算机视觉、语言识别和部分自然语言处理领域 ...
分类：
其他好文 时间：
2018-08-16 23:00:48
阅读次数：
251
机器学习九大算法 朴素贝叶斯分类器 搞懂朴素贝叶斯分类算 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单，也是常见的一种分类方法。这篇文章我尽可能用直白的话语总结一下我们学习会上讲到的朴素贝叶斯分类算法，希望有利于他人理解。 ...
分类：
编程语言 时间：
2018-08-06 13:38:55
阅读次数：
172
调用自己写的朴素贝叶斯函数正确率是84.12%，调用sklearn中的BernoulliNB函数，正确率是84.27% 调用sklearn中的BernoulliNB函数的代码如下： 结果截屏： 优化：加入主成分分析方法，进行降维操作，代码如下： 结果截屏： 待修改中！ 参考链接；https://bl ...
分类：
编程语言 时间：
2018-07-28 18:21:54
阅读次数：
345
朴素贝叶斯优点：在数据较少的情况下仍然有效，可以处理多类别问题缺点：对于输入数据的准备方式较为敏感适用数据类型：标称型数据朴素贝叶斯决策理论的核心思想：选择具有最高概率的决策朴素贝叶斯的一般过程（1）收集数据：可以使用任何方法。（2）准备数据：需要数值型或者布尔型数据。（3）分析数据：有大量特征时， ...
分类：
编程语言 时间：
2018-07-22 21:37:10
阅读次数：
199
关键词：先验概率；条件概率和后验概率；特征条件独立；贝叶斯公式；朴素贝叶斯；极大似然估计；后验概率最大化； 期望风险最小化；平滑方法 朴素贝叶斯分类的定义如下： 1. 设 x = a1,a2, ...,am为一个待分类项，而每个a是x的一个特征属性。 2.待分类项的类别集合C={y1，y2，..., ...
分类：
其他好文 时间：
2018-07-15 19:28:01
阅读次数：
451
1、模型的定义 朴素贝叶斯是基于贝叶斯定理与特征条件独立假设的分裂方法。首先我们来了解下贝叶斯定理和所要建立的模型。对于给定的数据集 假定输出的类别yi ∈ {c1, c2, ...., ck}，朴素贝叶斯通过训练数据集的来学习联合概率分布P(x|y)。但是直接求联合概率分布P(x|y)一般比较难， ...
分类：
编程语言 时间：
2018-07-12 21:47:32
阅读次数：
229
机器学习算法·决策树和朴素贝叶斯算法 一、问题描述 1912年当时世界上体积最庞大，内部设施最豪华的客运轮船’泰坦尼克号’，拥有美誉‘永不沉没’。然而在第一次下水穿越大西洋时，就在航行中撞上冰山，永远沉没海底。船上丧生者达到1500多人。假如我们穿越时空回到了过去，成为船上的一名普通乘客，那么我们有 ...
分类：
编程语言 时间：
2018-07-11 01:03:00
阅读次数：
156
理论 什么是朴素贝叶斯算法？ 朴素贝叶斯分类器是一种基于贝叶斯定理的弱分类器，所有朴素贝叶斯分类器都假定样本每个特征与其他特征都不相关。举个例子，如果一种水果其具有红，圆，直径大概3英寸等特征，该水果可以被判定为是苹果。尽管这些特征相互依赖或者有些特征由其他特征决定，然而朴素贝叶斯分类器认为这些属性 ...
分类：
编程语言 时间：
2018-07-07 20:41:29
阅读次数：
197
朴素贝叶斯，为什么叫“朴素”，就在于是假定所有的特征之间是“独立同分布”的。这样的假设肯定不是百分百合理的，在现实中，特征与特征之间肯定还是存在千丝万缕的联系的，但是假设特征之间是“独立同分布”，还是有合理性在里面，而且针对某些特定的任务，用朴素贝叶斯得到的效果还不错，根据“实践是检验真理的唯一标准 ...
分类：
其他好文 时间：
2018-06-10 19:32:25
阅读次数：
163
计划最近好好按步骤按阶段系统性的学习下机器学习和深度学习，希望能坚持下去。 基础数学篇 [高等数学：求导、梯度] [高等数学：泰勒展开] [概率论：基本概念、条件概率、全概率、朴素贝叶斯] [概率论：期望、方差、协方差] [概率论：常见分布] [线性代数：矩阵] 机器学习中的基本概念 [机器学习的分 ...
分类：
其他好文 时间：
2018-06-07 22:54:49
阅读次数：
234
