持续学习完善中~ 分类模型的构造方法有：决策树，关联规则，贝叶斯，神经网络，规则学习，k－临近法，遗传算法，粗糙集以及模糊逻辑技术。 朴素贝叶斯 利用概率统计知识进行分类的算法 最大化后验概率P(Ci|X)可转化为最大化先验概率P(X|Ci)P(Ci) 前提是各属性之间互相独立 逻辑回归 决策树SV ...
分类：
编程语言 时间：
2016-07-25 13:02:13
阅读次数：
440
写在开头： 临近毕业准备找工作，而机器学习方法是复习中不可缺少的一个重要部分，所以本篇博文是将之前做过的一个项目里面应用的机器学习方法——朴素贝叶斯方法，重点复习一遍。具体文章如下引用所示。 Zhang S, Chen Z, Gu S, et al. Breast tumor detection i ...
分类：
其他好文 时间：
2016-07-22 16:09:08
阅读次数：
175
naivebayes朴素贝叶斯分类器原理公式分解：1.p(word|categroy)=p(分类category的文档中出现word的文档总数)/分类category总文档数p(word|categroy)意思为在category分类中word出现的概率2.p(doc|categroy)=p(word1|categroy)*p(word2|categroy)*...*p(wordn|categroy)p(doc|cat..
分类：
其他好文 时间：
2016-07-19 14:08:00
阅读次数：
226
本文主要描述了朴素贝叶斯分类方法，包括模型导出和学习描述。实例部分总结了《machine learning in action》一书中展示的一个该方法用于句子感情色彩分类的程序。1
方法概述学习（参数估计）实现：朴素贝叶斯下的文本分类
模型概述
朴素贝叶斯方法，是指朴素：特征条件独立贝叶斯：基于贝叶斯定理
根据贝叶斯定理，对一个分类问题，给定样本特征x，样本属于类别y的概率是...
分类：
其他好文 时间：
2016-07-19 10:48:55
阅读次数：
187
朴素贝叶斯算法是基于贝叶斯定理的算法，贝叶斯定理如下： \[P(Y|X) = \frac{P(X,Y)}{P(X)} = \frac{P(Y) \cdot P(X|Y)}{P(X)}\] 朴素贝叶斯是这样执行的，假设 $X$ 为数据的特征 其中每一维度均可看做一个随机变量，即 $X_1= x_1,X ...
分类：
其他好文 时间：
2016-07-01 16:03:08
阅读次数：
128
1，统计词出现的次数
1/计算类别的先验概率
*输入格式:类别+文档id+文档词(切分成A,b,c)
*输出格式:类别+文档出现次数+文档出现的词的总数
2/计算每个词的条件概率
*输入格式:类别+文档id+文档词(切分成A,b,c)
*输出格式:类别+词+词的总数
3/假设二分类问题-计算概率值
* 1类别+文档出现次数+文档出现的词的总数
* 2类别+...
分类：
其他好文 时间：
2016-06-29 11:21:45
阅读次数：
195
算法杂货铺——分类算法之朴素贝叶斯分类(Naive Bayesian classification) 0、写在前面的话 我个人一直很喜欢算法一类的东西，在我看来算法是人类智慧的精华，其中蕴含着无与伦比的美感。而每次将学过的算法应用到实际中，并解决了实际问题后，那种快感更是我在其它地方体会不到的。 一 ...
分类：
编程语言 时间：
2016-06-28 14:30:58
阅读次数：
209
说明生成算法和判别算法之间的区别。判别算法主要包括：SVM，逻辑回归等；生成算法主要包括：朴素贝叶斯，HMM等...
分类：
其他好文 时间：
2016-06-21 07:09:53
阅读次数：
343
朴素贝叶斯 参考[1] 事件A和B同时发生的概率为在A发生的情况下发生B或者在B发生的情况下发生AP(A∩B)=P(A)?P(B|A)=P(B)?P(A|B) 所以有：P(A|B)=P(B|A)?P(A)P(B) 对于给出的待分类项，求解在此项出现的条件下各个目标类别出现的概率，哪个最大，就认为此待 ...
分类：
编程语言 时间：
2016-06-13 09:58:15
阅读次数：
182
