书接上文 ：从朴素贝叶斯分类器到贝叶斯网络（上） 三、贝叶斯网络...
分类：
其他好文 时间：
2016-01-04 01:29:58
阅读次数：
247
事实上，在很长一段时间里，人们都没有注意到贝叶斯公式所潜藏的巨大价值。直到二十世纪人工智能、机器学习等崭新学术领域的出现，人们才从一堆早已蒙灰的数学公式中发现了贝叶斯公式的巨大威力。本文介绍机器学习中的朴素贝叶斯分类法，并通过一个实例来演示该算法的具体应用。...
分类：
其他好文 时间：
2015-12-31 17:35:13
阅读次数：
212
那几年。我学习机器学习的主要内容：1.机器学习基本导论，机器学习入门了解；2.线性回归与Logistic。xx业绩预測系统。智能交互统计系统等。3.岭回归。Lasso，变量选择技术。维度的技巧等技术；4.降维技术。xx指标设计，详细规范。5.线性分类器，Knn算法，朴素贝叶斯分类器。文本挖掘。XX智...
分类：
其他好文 时间：
2015-12-19 17:55:21
阅读次数：
141
1、机器学习概论。 2、线性回归与Logistic。案例：电子商务业绩预测 3、岭回归，Lasso，变量选择技术。从一团乱麻中识别有用维度的技巧 4、降维技术。案例：业绩综合指标设计 5、线性分类器，Knn算法，朴素贝叶斯分类器，文本挖掘，案例：智能判断垃圾短信，通过文本挖掘给用户加标签，评论自动分...
分类：
编程语言 时间：
2015-11-26 01:23:58
阅读次数：
240
预备知识：贝叶斯公式：A、B事件。在A发生条件下B发生的概率=在B发生条件下A发生的概率*B发生的概率/A发生的概率P(B|A)=P(A|B)P(B) / P(A)全概率公式：特别的，设实验E的样本空间为S,A为E的事件,B1,B2,...,Bn为S的一个划分,且P(Bi)>0(i=1,2,...,...
分类：
其他好文 时间：
2015-11-04 00:21:08
阅读次数：
179
主要内容：1、动机2、基于朴素贝叶斯的文本分类器3、python实现一、动机之前介绍的朴素贝叶斯分类器所使用的都是结构化的数据集，即每行代表一个样本，每列代表一个特征属性。但在实际中，尤其是网页中，爬虫所采集到的数据都是非结构化的，如新闻、微博、帖子等，如果要对对这一类数据进行分类，应该怎么办呢？例...
分类：
其他好文 时间：
2015-10-06 16:41:21
阅读次数：
370
概率是许多机器学习算法的基础，在前面生成决策树的过程中使用了一小部分关于概率的知识，即统计特征在数据集中取某个特定值的次数，然后除以数据集的实例总数，得到特征取该值的概率。之前的基础实验中简单实现了朴素贝叶斯分类器，并正确执行了文本分类，这一节将贝叶斯运用到实际场景，垃圾邮件过滤这一实际应用。...
分类：
其他好文 时间：
2015-09-15 00:18:48
阅读次数：
232
朴素贝叶斯分类器是基于贝叶斯理论中属性独立假设而创造的一种算法。算法思路简单：只要是哪个类的后验概率大待测样本即为该类别。所谓后验概率就是在给定条件发生的情况下，该样本被判定为某个类别的概率。后验概率P(Y|X)表示在属性集合X（X1,X2,...,Xn）发生的条件下Y类别发..
分类：
编程语言 时间：
2015-09-08 20:22:07
阅读次数：
249
朴素贝叶斯是一个很不错的分类器，在使用朴素贝叶斯分类器划分邮件有关于朴素贝叶斯的简单介绍。若一个样本有n个特征，分别用x1,x2,...,xn表示，将其划分到类yk的可能性P(yk|x1,x2,...,xn)为：P(yk|x1,x2,...,xn)=P(yk)∏ni=1P(xi|yk)上式中等号右侧...
分类：
其他好文 时间：
2015-08-26 15:24:29
阅读次数：
188
NLTK是Python的一个自然语言处理的模块，其中实现了朴素贝叶斯分类算法。以下，就使用上一篇文中提到的数据，来应用这个模块实现朴素贝叶斯分类。NLTK的实现更加泛化，所以在应用到我们的数据上时需要做一点的转化。
首先来看一下NLTK官方文档中给出的一个简单明了的例子，在了解这个例子之后，再设法将同样的模型应用到自己的数据集上。官方给出的例子是英文名中，在知道名字中最后一个字母后，判断...
分类：
其他好文 时间：
2015-08-10 20:10:15
阅读次数：
651
