印象笔记同步分享：Machine Learning—Naive Bayesian classification（朴素贝叶斯分类）...
分类：
其他好文 时间：
2014-08-22 16:19:39
阅读次数：
158
这两天看了下朴素贝叶斯分类器，在这里根据自己的理解做个简单笔记，也顺便整理一下思路。 一、简介 1. 什么是朴素贝叶斯分类器？ 朴素贝叶斯分类器是一种应用基于独立假设的贝叶斯定理的简单概率分类器。基于独立假设的意思是假设样本每个特征与其他特征都不相关，例如，一个物体具有颜色、大小、重量和材质等特征，...
分类：
其他好文 时间：
2014-08-17 14:16:12
阅读次数：
251
贝叶斯分类器 贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。眼下研究较多的贝叶斯分类器主要有四种，各自是：Naive Bayes、TAN、BAN和GBN。 贝叶斯网络是一个带有概率...
分类：
其他好文 时间：
2014-08-16 13:48:00
阅读次数：
246
本章的假设前提是不同类之间存在相关性。连续的特征向量不是孤立的。
1，贝叶斯分类器
2，马尔科夫链模型
3，the viterbi algorithm
4, 信道均衡（channel equalization）:任务是回复被传输通道或者噪音破坏的信息序列。
5，隐式马尔科夫模型
6，带状态持续模型（state duration model）的HMM
...
分类：
其他好文 时间：
2014-07-25 11:05:21
阅读次数：
296
Mahout0.9+Hadoop-2.2.0贝叶斯分类纯java实战代码，希望能给搞大数据数据挖掘的java粉们有所帮助，也希望大家提出建议。也希望Mahout社区大牛，帮忙看看我遇到的问题，先在这里谢过了。。...
分类：
其他好文 时间：
2014-07-21 22:47:27
阅读次数：
365
改善特征提取往往可以对分类的accuracy（和precision和召回率）有显著的正面影响。在本文中，我将评估word_feats的两项修改特征提取的方法：
过滤停用词 包含二元语法搭配
为了有效地做到这一点，我们将修改前面的代码，这样我们就可以使用任意的特征提取函数，它接收一个文件中的词，并返回特征字典。和以前一样，我们将使用这些特征来训练朴素贝叶斯分类器。
...
分类：
其他好文 时间：
2014-07-19 11:22:04
阅读次数：
593
情感分析正成为研究和社交媒体分析的热点领域，尤其是在用户评论和微博上。它是文本挖掘的一种特殊情况，一般关注在识别正反观点上，虽然它常不很准确，它仍然是有用的。为简单起见（因为训练数据容易获取），我将重点放在2个可能的情感分类：积极的和消极的。
NLTK 朴素贝叶斯分类
NLTK附带了所有你需要的情感分析的入手的东西：一份带有分为POS和NEG类别的电影评论语料，以及一些可训练分类器。我...
分类：
其他好文 时间：
2014-07-19 02:14:25
阅读次数：
338
1、线性分类器（Linear Regression） 1.1贝叶斯分类器 朴素贝叶斯（Naive Bayes）分类器，以垃圾邮件分类为例子，需要特征之间满足条件独立的假设； 局限性： （1）要求自变量和因变量之间满足线性关系； （2）因变量是定量变量，不可以是分类变量；如果因变量是分类变量，必须用l...
分类：
其他好文 时间：
2014-07-16 21:09:56
阅读次数：
268
1 概述
该瞅瞅MapReduce的内部运行原理了，以前只知道个皮毛，再不搞搞，不然怎么死的都不晓得。下文会以2.4版本中的WordCount这个经典例子作为分析的切入点，一步步来看里面到底是个什么情况。
2 为什么要使用MapReduce
Map/Reduce，是一种模式，适合解决并行计算的问题，比如TopN、贝叶斯分类等。注意，是并行计算，而非迭代计算，像涉及到层次聚类的问题就不...
分类：
其他好文 时间：
2014-07-12 21:31:22
阅读次数：
296
贝叶斯分类器 贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。眼下研究较多的贝叶斯分类器主要有四种，各自是：Naive Bayes、TAN、BAN和GBN。 贝叶斯网络是一个带有概率...
分类：
其他好文 时间：
2014-07-09 15:36:36
阅读次数：
134
