朴素贝叶斯文本分类

LLM的评价指标

这些基准测试可能包括各种自然语言处理任务，如文本分类、情感分析、问答系统、摘要生成、机器翻译等。模型的准确性是通过比较模
samoyan·2023-12-30 19:21

大模型系列课程学习

1.自然语言处理任务介绍自然语言处理（NLP）是通过计算机对自然语言文本进行理解、分析和处理的一系列任务，按照不同方向的常见的可以细分程如下几种任务：文本分类：输入是一段文本，输出是该文本的类别命名实体识别
chengjinpei·2023-12-30 09:05

【自然语言处理】类似GPT的模型

BERT(BidirectionalEncoderRepresentationsfromTransformers):BERT是一个预训练的深度双向Transformer模型，常用于自然语言处理任务，如文本分类
Oo_Amy_oO·2023-12-30 07:31

举例说明自然语言处理（NLP）技术

以下是一些使用自然语言处理技术的例子：文本分类：NLP技术可以对大量文本进行分类，如电子邮件分类为垃圾邮件或正常邮件，新闻文章分类为体育、政治、科技等类别。
m0_黎明·2023-12-30 06:30

探索深度学习在自然语言处理中的应用

本文将探讨深度学习在自然语言处理中的各种应用，包括文本分类、情感分析、机器翻译等，并分析其优缺点。一、引言自然语言处理（NLP）是人工智能领域的一个重要分支，旨在让计算机理解和处理人类语言。
Corey James·2023-12-30 05:24

机器学习笔记（11）：贝叶斯学习（1）

朴素贝叶斯朴素贝叶斯是一个分类模型，如下图所示，有正反两类样本数据点，该模型寻找出一个决策边界正确地将两类数据分隔开来。模型的背后是贝叶斯规则。
链原力·2023-12-29 09:33

数据挖掘 分类模型选择

选择的模型有：决策树、朴素贝叶斯、K近邻、感知机调用的头文件有：importnumpyasnpimportpandasaspdfrommatplotlibimportpyplotaspltfromsklearn.linear_modelimportPerceptronfromsklearn.naive_bayesimportGaussianNBfromsklearn.neighborsimport
亖嘁·2023-12-29 09:31

举例说明自然语言处理（NLP）技术。

文本分类：NLP技术可以将文本分为不同的类别。例如，垃圾邮件过滤器使用NLP技术将电子邮件分类为垃圾邮件和非垃圾邮件。情感分析：NLP技术可以
程序猿～厾罗·2023-12-29 09:08

自然语言处理（NLP）技术

下面是几个常见的NLP技术的例子：文本分类：NLP技术可以根据文本的内容将其分类到预定义的类别中。例如，可以使用NLP技术将电子邮件分为垃圾邮件和非垃圾邮件。
淘金开源·2023-12-28 10:35

Python3机器学习之04基于概率论的分类方法朴素贝叶斯

如果特征之间独立，那么样本数从降到Nxt朴素贝叶斯的假设1、特征之间相互独立2、每个特征同等重要代码importnumpyasnpdefloadDataSet():#切分的词条postingList=[
iCloudEnd·2023-12-28 07:12

机器学习——朴素贝叶斯

1、简介朴素贝叶斯算法是一种基于贝叶斯理论的有监督学习算法。朴素是指样本特征之间是相互独立的，朴素贝叶斯算法有着坚实的数学基础和稳定的分类效率。
风月雅颂·2023-12-27 18:34

举例说明自然语言处理（NLP）技术。

文本分类：将文本分为不同的类别。例如，将新闻文章分类为体育、娱乐或政治类别。信息抽取：从大量文本中提取有用的信息。例如，从新闻报道中提取公司的财务数据。文本生成：根据一些输入生成新的文本。例如
秋珀·2023-12-26 23:13

统计学习方法（一）生成模型与判别模型

典型的生成模型有：朴素贝叶斯和隐马尔科夫模型。判别方法由数据直接学习决策函数或
shijiatongxue·2023-12-26 16:23

朴素贝叶斯

贝叶斯算法是一类算法，这是一类以条件概率的计算为核心进行分类的算法，而朴素贝叶斯算法是其中最简单的概率分类器。
南太湖小蚂蚁·2023-12-26 15:39

NLP 自然语言处理实战

它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，用于分析理解机器与人之间的交互，常用的领域有：实体识别、文本纠错、情感分析、文本分类、关键词提取、自动摘要提取等方面。
AAI机器之心·2023-12-26 09:59

【机器学习实战】使用sklearn中的朴素贝叶斯方法实现新闻文本分类

1.数据集2.实现2.1代码fromsklearn.datasetsimportfetch_20newsgroupsfromsklearn.model_selectionimporttrain_test_splitfromsklearn.feature_extraction.textimportTfidfVectorizerfromsklearn.naive_bayesimportMultinom
想做一只快乐的修狗·2023-12-26 07:00

NLP系列(4)_朴素贝叶斯实战与进阶（转）

http://blog.csdn.net/han_xiaoyang/article/details/50629608作者：寒小阳&&龙心尘时间：2016年2月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50629608http://blog.csdn.net/longxinchen_ml/article/details/5062961
weixin_34348111·2023-12-26 07:30

朴素贝叶斯模型

高斯贝叶斯分类器高斯贝叶斯分类器的计算过程还是比较简单的，其关键的核心是假设数值型变量服从正态分布，如果实际数据近似服从正态分布，分类结果会更加准确。sklearn模块提供了实现该分类器的计算功能，它就是naive_bayes子模块中的GaussianNB类,由于该“类”仅包含一个参数，且参数的默认值是以各类别的频率作为先验概率，因此在调用GaussianNB类构造高斯贝叶斯分类器时，可以不传递任
月岛雫-·2023-12-26 07:59

DatawhaleAI夏令营第三期 - 基于论文摘要的文本分类与关键词抽取挑战

目录一、赛题背景基于论文摘要的文本分类与关键词抽取挑战赛二、赛事任务任务描述赛题数据集评价指标解题思路方法1：机器学习方法Baseline1.导入模块1.1特征提取1.2基于TF-IDF提取1.3选择机器学习模型
xingzhiyao123456·2023-12-26 07:58

机器学习（8）朴素贝叶斯算法（20条新闻分类）

目录一、基础理论二、实战：20条新闻分类1、读取数据2、训练集划分3、特征工程（文本特征提取）4、朴素贝叶斯算法训练5、模型评估方法一：预测值与真实值比对方法二：计算准确率总代码一、基础理论朴素贝叶斯算法
_(*^▽^*)_·2023-12-26 07:27

机器学习系列_朴素贝叶斯（1）（原理、python代码、实战）

本文经作者允许转载自公众号：月半一更链接：https://mp.weixin.qq.com/s/v-FN3rG97Hr8Ez_fnkwpTw前文中的K-近邻、决策树分类器，给出的分类决策都是确定性的，即：该数据实例确定属于哪一类。但是，再好的分类器有时候也会产生错误的分类结果，这时候我们就希望有一个分类器，它能给出一个最优的类别猜测结果，同时也能给出这个猜测的概率估计值。这种基于分类结果的概率估计
大大的肥猫·2023-12-26 07:26

实战：朴素贝叶斯文本分类器搭建与性能评估

文章目录贝叶斯定理简介贝叶斯分类器朴素贝叶斯分类器优势与不足实战代码结语贝叶斯定理简介贝叶斯分类
小馒头学python·2023-12-26 07:25

手把手教你：电影数据分析与可视化系统

系列文章手把手教你：基于Django的新闻文本分类可视化系统（文本分类由bert实现）手把手教你：基于python的文本分类（sklearn-决策树和随机森林实现）手把手教你：岩石样本智能识别系统一、项目简介本文主要介绍如何使用
大雾的小屋·2023-12-26 05:09

朴素贝叶斯法_naive_Bayes

朴素贝叶斯法（naiveBayes）是基于贝叶斯定理与特征条件独立假设的分类方法。
沉住气CD·2023-12-26 02:46

简洁高效的 NLP 入门指南: 200 行实现 Bert 文本分类 (Pytorch 代码纯享版)

简洁高效的NLP入门指南:200行实现Bert文本分类Pytorch版概述NLP的不同任务Bert概述MLM任务(MaskedLanguageModeling)TokenizeMLM的工作原理为什么使用
我是小白呀·2023-12-25 17:02

【创新实训】问答系统-Question Generation模块-【博客4：模型架构的搭建与训练过程】

评价指标；描述了我的初步探索；以及给出了数据处理的方法：博客1：基本策略博客2：评价指标、初步探索博客3：训练数据和预测数据预处理的部分博客4：模型的构建博客5：生成“问答对”博客6：问答对有效性过滤（基于文本分类任务
VictorChenSC·2023-12-25 08:08

python文本分类算法_基于Naive Bayes算法的文本分类

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。
weixin_39832643·2023-12-23 23:35

python中的sklearn_Python sklearn中算法的使用方法

1、高斯朴素贝叶斯(GaussianNB)介绍如何使用sklearn来实现GaussianNBfromsklearnimportdatasetsiris=dat
weixin_39946996·2023-12-23 23:35

sk-learn实例-用朴素贝叶斯算法（Naive Bayes）对文本进行分类

简介朴素贝叶斯（NaiveBayes）是一个非常简单，但是实用性很强的分类模型，与基于线性假设的模型（线性分类器和支持向量机分类器）不同，朴素贝叶斯分类器的构造基础是贝叶斯理论。
张大千09·2023-12-23 23:35

[数据挖掘之scikit-learn] sklean.naive_bayes实例详解

2.2sklearn.naive_bayes.BernoulliNB2.2.1BernoulliNB示例2.3sklearn.naive_bayes.GaussianNB2.3.1GaussianNB示例概述朴素贝叶斯分类算法主要是基
努力的骆驼·2023-12-23 23:04

【机器学习】朴素贝叶斯（Naive Bayes）

【机器学习】k近邻算法（KNN）【机器学习】决策树（DecisionTree）【机器学习】朴素贝叶斯（NaiveBayes）1.概述贝叶斯分类算法是统计学的一种概率分类方法，朴素贝叶斯分类（NaiveBayes
蓝色蛋黄包·2023-12-23 23:01

机器学习4—分类算法之朴素贝叶斯 (Naive Bayes)

朴素贝叶斯(NaiveBayes）前言一、贝叶斯定理1.1定理推导1.2贝叶斯定理例子二、朴素贝叶斯1.高斯朴素贝叶斯（GaussianNB)2.多项分布朴素贝叶斯（MultinomialNB）3.伯努利分布朴素贝叶斯
小白只对大佬的文章感兴趣·2023-12-23 23:31

【机器学习】朴素贝叶斯算法（Naive Bayes，NB）

在许多场合，朴素贝叶斯(NaïveBayes，NB)分类算法可以与决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，而且方法简单、分类准确率高、速度快。
小田学Python·2023-12-23 23:00

使用Naive Bayes进行文本分类

1.NaiveBayes算法朴素贝叶斯是一个简单但是十分高效的算法，在处理不是特别复杂的文本分类问题时，准确率相当不错，而且速度很快。像经典的垃圾邮件判别就是朴素贝叶斯算法的一个成功案例。
bitcarmanlee·2023-12-23 23:00

sklearn中Naive Bayes的原理及使用案例

一、NaiveBayes的原理朴素贝叶斯（NaiveBayes）是一种基于贝叶斯定理的分类算法，它假设所有特征之间相互独立，即给定类别的情况下，特征之间是条件独立的。
python慕遥·2023-12-23 23:58

Elasticsearch：什么是文本分类？

文本分类定义-textclassification文本分类是一种机器学习，它将文本文档或句子分类为预定义的类或类别。它分析文本的内容和含义，然后使用文本标签为其分配最合适的标签。
Elastic 中国社区官方博客·2023-12-23 01:40

朴素贝叶斯算法

原理选择具有最高概率的决策朴素的意思是每个特征之间是独立同分布的，互不影响。优点：在数据较少的情况下仍然有效，可以处理多类别问题。特征条件独立假设，使得模型预测所需要估计的参数规模从冥指数量级向线性量级减少，极大地节约了内存消耗和计算时间。缺点：对于输入数据的准备方式较为敏感。模型训练时无法将各个特征之间的联系考量在内，该模型在特征关联性强的分类任务上性能表现不佳。适用数据类型：标称型数据。使用P
JasonChiu17·2023-12-22 20:39

Task02-朴素贝叶斯(Naive Bayes)-算法实践(天池机器学习训练营D6)

本笔记为参加阿里云“天池龙珠计划机器学习训练营”所做的学习记录，代码及知识内容均来源于训练营，本人稍作扩充。具体活动内容请移步阿里云天池龙珠计划;同时感谢公众号“机器学习炼丹术”的介绍、推广和组织。模拟离散数据集--贝叶斯分类Step1:库函数导入+Step2:数据导入&分析+Step3:模型训练&可视化+Step4:原理简析importrandomimportnumpyasnp#使用基于类目特征
北欧森林·2023-12-22 20:44

大数据深度学习朴素贝叶斯深度解码：从原理到深度学习应用

大数据深度学习朴素贝叶斯深度解码：从原理到深度学习应用文章目录大数据深度学习朴素贝叶斯深度解码：从原理到深度学习应用一、简介贝叶斯定理的历史和重要性定义例子朴素贝叶斯分类器的应用场景定义例子常见应用场景二
星川皆无恙·2023-12-22 15:29

4--贝叶斯 聚类算法

本周学习内容：学习贝叶斯网相关知识学习集成学习部分内容学习聚类任务及其相关算法1贝叶斯网半朴素贝叶斯中规定每一个特征可以依赖于另外一个特征，贝叶斯网络在半朴素贝叶斯的基础上更进一步，认为每个特征都可以依赖于另外多个特征
pepsi_w·2023-12-22 15:36

机器学习 | 概率图模型

实际情况中，各个变量间存在显式或隐式的相互依赖，如朴素贝叶斯方法直接基于训练数据去求解变量的联合概率分布在时间复杂度还是空间复杂度均是不可行、不划算的。直接基于训练数据求解变量联合概率分布困难。
西皮呦·2023-12-22 13:04

机器学习算法基础——分类模型（二）

引言上回我们讨论了机器学习中的三种重要的分类模型：Logistic回归、朴素贝叶斯、贝叶斯网络，并对这三种模型的数学推导和实例实现有了一个深刻的认识。
三翼鸟数字化技术团队·2023-12-22 06:02

随笔：集成学习:关于随机森林，梯度提升机的东拉西扯

当我们有许多学习器对同一个任务做出判断，他们预测的概率可能各不相同，比如预测一个男生(小徐)会不会喜欢另一个女生(小雪)，支持向量机算出来小徐爱上小雪的概率是0.8，朴素贝叶斯认为是0.3，决策树觉得是
歌者文明·2023-12-21 23:47

深度学习｜词嵌入的演变

这些嵌入可用于语义搜索等任务，其中文本片段根据含义或上下文的相似性进行排名，以及其他自然语言处理任务，如情感分析、文本分类和机器
冷冻工厂·2023-12-21 20:36

Python新闻文本分类系统的设计与实现：基于Flask、贝叶斯算法的B/S架构

Python新闻文本分类系统的设计与实现：基于Flask、贝叶斯算法的B/S架构引言数据获取与处理数据分析与可视化文本分类模型结论引言在信息爆炸的时代，新闻数据的快速获取和准确分类变得尤为重要。
爱欲无极·2023-12-21 11:32

常见的分类算法

在实际应用中，分类算法被广泛应用于文本分类、情感分析、图像识别、信用评级等领域。
调钟师·2023-12-21 01:01

机器学习算法--朴素贝叶斯(Naive Bayes)

实验环境1.python3.72.numpy>='1.16.4'3.sklearn>='0.23.1'朴素贝叶斯的介绍朴素贝叶斯算法（NaiveBayes,NB)是应用最为广泛的分类算法之一。
小森( ﹡ˆoˆ﹡ )·2023-12-21 00:51

《统计学习》--朴素贝叶斯算法

朴素贝叶斯法简介：英文名naiveBayes，是基于贝叶斯定理与特征条件独立假设的分类方法。
汪汪军师·2023-12-20 23:13

机器学习实战 朴素贝叶斯

title:朴素贝叶斯机器学习实战date:2019-07-28tags:机器学习贝叶斯categories:学习mathjax:true朴素贝叶斯用于文档分类任务：给定一段文本，判断属于哪个类别。
阿斑阿斑·2023-12-20 23:26

机器学习之朴素贝叶斯（Naive Bayes）附代码

概念朴素贝叶斯（NaiveBayes）是一种基于贝叶斯定理的机器学习算法，它被广泛用于分类和文本分析任务。该算法的"朴素"体现在对特征之间的条件独立性的假设，即给定类别，特征之间是相互独立的。
贾斯汀玛尔斯·2023-12-20 21:42
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他