机器学习疯狂入门(2):朴素贝叶斯文本分类-沈逸-专题视频课程

机器学习疯狂入门(2):朴素贝叶斯文本分类—284人已学习
课程介绍    

    1、本课程主要环境基于python3.6和sklearn。请大家准备好这两个环境的安装。 2、本课程从属于正在录制的《机器学习入门系列》，本篇是第2篇：朴素贝叶斯文本分类。本课程中会涉及到一些数学算法和使用工具。先教大家怎么使用和简单触碰原理。很快后续会有针对这些特定数学基础和工具的精讲课程开设。 3、本课程特别适合web程序员想要入门机器学习的同学
课程收益
    帮助大家快速理解传统机器学习算法中的朴素贝叶斯分类，并且能够逐步应用到实战中
讲师介绍
    沈逸 更多讲师课程
    IT自媒体《程序员在囧途》发起人，csdn博客讲师。从事IT开发、管理、自营十三年。实战级技术+商务相结合的IT创业者。著有图书《失业的程序员》
课程大纲
    1. tf-idf入门、提取文本最佳关键字、文本分词、SkLearn实现和理论公式的区别  37:32
    2. 贝叶斯公式入门理解、计算Java程序员的比例、垃圾邮件的判断基础  18:20
    3. 朴素贝叶斯分类入门理解：判断我们到底要不要跳槽  14:20
    4. 套路学习:sklearn实现最简单朴素贝叶斯文本分类(多项式模型)  21:36
    5. 实战套路:sklearn利用搜狗新闻数据+朴素贝叶斯进行新闻分类、检查准确率  32:47
    6. [附加课]sklearn利用搜狗新闻数据+朴素贝叶斯进行新闻分类之增量学习  15:44
大家可以点击【 查看详情】查看我的课程