朴素贝叶斯

深入理解贝叶斯分类与朴素贝叶斯模型（Naive Bayes, NB）：从基础到实战

目录贝叶斯分类公式决策规则优点贝叶斯分类器的例子——垃圾邮件问题1.特征（输入）：2.类别：3.数据：4.模型训练：注：类别先验概率5.模型预测：朴素贝叶斯模型模型定位&模型假设模型算法例子sklearn
星宇星静·2023-12-05 16:42

Sklearn常用API以及代码

**1.ensemble集成**VotingClassifier（投票分类器）由若干异质分类器组成，例如LR,RF朴素贝叶斯（GNB）importnumpyasnpfromsklearnimportdatasetsfromsklearn.model_selectionimporttrain_test_splitfromsklearnimportmetrics
teacher_ma_·2023-12-04 18:55

sklearn库简述-zstarling

文章目录模型的选择与评估划分数据集评估模型监督学习最近邻支持向量机（SVM）决策树集成方法朴素贝叶斯线性回归随机梯度下降判别分析模型的选择与评估划分数据集fromsklearn.model_selectionimportStratifiedShuffleSplit
米米吉吉·2023-12-04 06:56

实战：垃圾短信分类器

上次我们讲到朴素贝叶斯分类，忘记的同学参考一文搞懂朴素贝叶斯分类，今天就通过朴素贝叶斯分来来实现一个简单的垃圾短信分类器。
程序员Morgan·2023-12-01 23:25

朴素贝叶斯

1概述朴素贝叶斯（naïveBayes）法是基于贝叶斯定理与特征条件独立假设的分类方法。
豪_34bf·2023-12-01 17:05

机器学习入门（第四天）——朴素贝叶斯

知识树KnowledgetreeP(y|x)，P给定x的条件下，y的概率。如：P(y=我招女孩子喜欢的概率|我是学生)一个小故事Astory女朋友和妈妈掉河里，路人拿出3颗豆，两颗红豆1颗绿豆。如果我抽中红豆救女朋友，抽中绿豆救妈妈。我和路人各种抽一颗，路人发现自己抽中的是绿豆，他想用剩下的那颗跟我换，我换不换？换豆和女朋友活下去的概率一样吗？直觉来讲：换不换豆我抽中红豆的概率应该都是1/3。这时
学术菜鸟小晨·2023-12-01 16:06

数据分析04 - 朴素贝叶斯

标签（空格分隔）：数据分析朴素贝叶斯分类最适合的场景就是文本分类、情感分析和垃圾邮件识别。其中情感分析和垃圾邮件识别都是通过文本来进行判断。
数据社·2023-11-30 04:50

朴素贝叶斯分类：简单而强大的分类算法

文章目录前言贝叶斯定理基础朴素贝叶斯分类基本概念步骤优势与不足优势：不足：朴素贝叶斯分类的应用案例朴素贝叶斯分类的简单实现结语前言在机器学习领域中，朴素贝叶斯分类算法是一种简单而有效的分类方法。
_用户昵称_·2023-11-29 14:55

数据挖掘 朴素贝叶斯

直入正题，直接看代码：这是一段判断是不是藏话的代码importnumpyasnp#数据采集（定义函数加载数据集）defload_dataset():sent_list=[['my','name','is','Devin'],['you','are','stupid'],['my','boyfriend','is','SB'],['you','looks','very','smart','I','l
亖嘁·2023-11-28 17:10

机器学习---贝叶斯网络与朴素贝叶斯

1.贝叶斯法则如何判定一个人是好人还是坏人？当你无法准确的熟悉一个事物的本质时，你可以依靠与事物特定本质相关的事件出现的次数来判断其本质属性的概率。如果你看到一个人总是做一些好事，那这个人就越可能是一个好人。数学语言表达就是：支持某项属性的事件发生得越多，则该属性成立的可能性就越大。贝叶斯法则来源于英国数学家贝叶斯（ThomasBayes）在1763年发表的著作《论有关机遇问题的求解》。贝叶斯法则
三月七꧁ ꧂·2023-11-26 10:35

朴素贝叶斯中的极大似然估计

为什么要极大似然估计，朴素贝叶斯不能搞定一切吗？朴素贝叶斯需要先求得先验概率和条件概率。从直觉出发，可以用样本中出现的频率直接代替先验概率和条件概率。
梵悟·2023-11-24 18:56

自然语言处理常用方法和评价指标

使用方法如朴素贝叶斯、支持向量机、神经网络等。信息提取：从文本中提取结构化信息，如命名实体识别（NER）、关系提取。语义分析：理解文本的含义，包括词义消歧、句子相似度计算等。
jieHeEternity·2023-11-23 19:41

机器学习（二）——贝叶斯分类器

文章目录1.贝叶斯决策论1.1贝叶斯判定准则1.2极大似然估计2.朴素贝叶斯分类器2.1拉普拉斯平滑2.2示例1.贝叶斯决策论核心：将最小化分类错误率转换为最大化先验概率和类条件概率（似然）的乘积。
冠long馨·2023-11-22 19:30

【机器学习】贝叶斯分类器

如果假设特征向量的每个分量彼此独立，则它是朴素贝叶斯分类器。如果假设特征向量服从多维正态分布，则它是正态贝叶斯分类器。
十年一梦实验室·2023-11-22 19:26

预测模型的选择

预测模型通常为回归任务，但是也有一些是以标签类别为主的分类任务，分类任务常用的模型有逻辑回归、线性判别分析、knn近邻分类算法、朴素贝叶斯、决策树、支持向量机，我们有时并不知道哪个模型是最好，所以要进行比较
weixin_56938151·2023-11-22 12:52

文本分析：NLP 魔法！

我将在本博客中介绍BagOfWords和n-gram以及朴素贝叶斯分类模型。这个博客的独特之处（这使得它很长！）是我已经展示了如何根据我们手中的数据集为我们选择正确的模型。那么，让我们开始吧。
无水先生·2023-11-22 09:15

机器学习实战(MACHINE LEARNING IN ACTION) 之 朴素贝叶斯

在说用贝叶斯之前,应该先检讨一下自己大学概率论真的是木有好好上课…不过至少是学过,看到贝叶斯这仨字儿还是感到十分熟悉.所谓的贝叶斯公式,举个栗子:假设有3个白球7个黑球,分别在甲乙两个盒子里,甲盒子有1个白的3个黑的,乙盒子有2个白的4个黑的.那么问题来了.这时候随机抽一个球(随机从两个盒子选,从盒子里也随机选),是甲盒子里的白球的概率=从甲盒子抽的概率*甲盒子里是白球的概率=抽到的球是白球的概率
小胖扁·2023-11-20 22:54

朴素贝叶斯原理及实现(Naive Bayes)

项目地址：https://github.com/Daya-Jin/ML_for_learner/blob/master/naive_bayes/GaussianNaiveBayes.ipynb原博客：https://daya-jin.github.io/2018/10/04/NaiveBayes/模型概述首先回顾一下贝叶斯公式：以二分类为例，上述公式以机器学习任务的形式来写的话就成为了：其中为待预
d518a9b6ae51·2023-11-20 09:28

用朴素贝叶斯实现垃圾邮箱分类实验报告

一、实验目的1.会用Python创建朴素贝叶斯模型2.使用朴素贝叶斯模型对垃圾邮件分类3.会把文本内容变成向量4.会用评价朴素贝叶斯模型的分类效果二、设备与环境JupyternotebookPython
Unicornlyy·2023-11-17 03:12

【机器学习】朴素贝叶斯算法：多项式、高斯、伯努利，实例应用（心脏病预测）

1.朴素贝叶斯模型对于不同的数据，我们有不同的朴素贝叶斯模型进行分类。1.1多项式模型（1）如果特征是离散型数据，比如文本这些，推荐使用多项式模型来实现。
TwcatL_tree·2023-11-15 06:28

机器学习——朴素贝叶斯

机器学习面试题汇总与解析——朴素贝叶斯本章讲解知识点什么是朴素贝叶斯本专栏适合于Python已经入门的学生或人士，有一定的编程基础。本专栏适合于算法工程师、机器学习、图像处理求职的学生或人士。
qq_32468785·2023-11-13 14:24

如何用python做一个界面,python做一个界面程序

这些库都提供了一系列的控件(如按钮、文本框、标签等)和方法，帮助您创建和设计图形界面朴素贝叶斯算法代码实现,朴素贝叶
小狗AI·2023-11-12 20:55

【ATT&CK】MITRE Caldera 朴素贝叶斯规划器

CALDERA是一个由python语言编写的红蓝对抗工具（攻击模拟工具）。它是MITRE公司发起的一个研究项目，该工具的攻击流程是建立在ATT&CK攻击行为模型和知识库之上的，能够较真实地APT攻击行为模式。通过CALDERA工具，安全红队可以提前手动模拟并设定好攻击流程，并以此进行自动化攻击和事件响应演练。同样，安全蓝队也可以利用该工具，根据相应的威胁开展模拟应对。github地址：mitre/
码农丁丁·2023-11-11 18:18

机器学习——朴素贝叶斯

目录一、贝叶斯方法背景知识贝叶斯公式二、朴素贝叶斯原理判别模型和生成模型1．朴素贝叶斯法是典型的生成学习方法2．朴素贝叶斯法的基本假设是条件独立性3．朴素贝叶斯法利用贝叶斯定理与学到的联合概率模型进行分类预测用于文本分类的朴素贝叶斯模型
七七喝椰奶·2023-11-11 09:09

python情感分析包_情感分析snownlp包部分核心代码理解

使用的是朴素贝叶斯原理来训练和预测数据。主要看了一下这个包的几个主要的核心代码，看的过程作了一些注释，记录一下免得以后再忘了。
weixin_39880301·2023-11-09 22:57

机器学习（附1）贝叶斯系列

机器学习（附1）贝叶斯系列文章目录机器学习（附1）贝叶斯系列前言一、贝叶斯学派二、贝叶斯公式（贝叶斯法则、贝叶斯定理、贝叶斯规则）三、极大似然估计与最大后验概率极大似然估计最大后验概率区别四、贝叶斯分类器之朴素贝叶斯
元吉光·2023-11-08 10:54

解密人工智能：决策树 | 随机森林 | 朴素贝叶斯

文章目录一、机器学习算法简介1.1机器学习算法包含的两个步骤1.2机器学习算法的分类二、决策树2.1优点2.2缺点三、随机森林四、NaiveBayes（朴素贝叶斯）五、结语一、机器学习算法简介机器学习算法是一种基于数据和经验的算法
春人.·2023-11-08 10:50

FlyAI小课堂：python机器学习笔记：深入学习决策树算法原理

分类技术（或分类法）是一种根据输入数据建立分类模型的系统方法，分类法的例子包括决策分类法，基于规则的分类法，神经网络，支持向量机和朴素贝叶斯分类法。
iFlyAI·2023-11-07 16:50

机器学习：python中如何使用朴素贝叶斯算法

这里再重复一下标题为什么是"使用"而不是"实现"：首先，专业人士提供的算法比我们自己写的算法无论是效率还是正确率上都要高。其次，对于数学不好的人来说，为了实现算法而去研究一堆公式是很痛苦的事情。再次，除非他人提供的算法满足不了自己的需求，否则没必要"重复造轮子"。下面言归正传，不了解贝叶斯算法的可以去查一下相关资料，这里只是简单介绍一下：1.贝叶斯公式：P(A|B)=P(AB)/P(B)2.贝叶斯
勤奋的可乐·2023-11-07 01:18

算法理论笔记

算法理论笔记最优化方法正则化EM算法偏差方差马尔科夫链蒙特卡罗法矩阵子空间主成分分析决策树boost支持向量机朴素贝叶斯神经网络卷积神经网络循环神经网络推荐系统最优化方法微分方法根据极值必要条件，求f′
__Akira__·2023-11-06 13:22

深入理解XGboost

Miracle8070From：AI蜗牛车1.写在前面如果想从事数据挖掘或者机器学习的工作，掌握常用的机器学习算法是非常有必要的，在这简单的先捋一捋，常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯
文文学霸·2023-11-04 03:19

朴素贝叶斯与决策树应用

'''Createdon2020年1月7日@author:myz'''importtkinterimporttkinter.fontastkFontimportthreadingimportpandasaspdfromsklearn.naive_bayesimportMultinomialNBfromsklearn.model_selectionimporttrain_test_splitfrom
k叶·2023-11-03 10:31

Python机器学习实战（一）

文章目录基于逻辑回归实现乳腺癌预测基于k-近邻算法实现鸢尾花分类基于决策树实现葡萄酒分类基于朴素贝叶斯实现垃圾短信分类基于支持向量机实现葡萄酒分类基于高斯混合模型实现鸢尾花分类基于主成分分析实现鸢尾花数据降维基于奇异值分解实现图片压缩基于逻辑回归实现乳腺癌预测
数据攻城小狮子·2023-11-03 09:05

（ZT）算法杂货铺——分类算法之朴素贝叶斯分类(Naive Bayesian classification)

https://www.cnblogs.com/leoo2sk/archive/2010/09/17/naive-bayesian-classifier.html0、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。一直想写关于算法的博文，也曾写过零散的两篇，但
weixin_30786617·2023-11-02 23:33

【机器学习】决策树（上）——从原理到算法实现

相比朴素贝叶斯分类，决策树的优势在于构造过程不需要任何领域知识或参数设置，因此在实际应用中，对于探测式的知识发现，决策树更加适用。一、决策树模型1.
yllifesong·2023-11-02 05:46

【机器学习】五、贝叶斯分类

条件概率是朴素贝叶斯模型的基础。假设，你的xx公司正在面临着用户流失的压力。虽然，你能计算用户整体流失的概率（流失用户数/用户总数）。
TwcatL_tree·2023-11-01 13:24

十、naive bayes朴素贝叶斯

1简介假定：样本属性独立性假定比如一篇文章w=(词1,词2,词3,...)我们要看这篇文章属于科技还是娱乐需要计算p(科技|w)和p(娱乐|w),哪个概率大，我们就把这篇文章分到哪一类p(科技|w)=p(科技|词1,词2,词3,...)=p(词1,词2,词3,...|科技)p(科技)/p(词1,词2,词3,...)p(娱乐|w)=p(娱乐|词1,词2,词3,...)=p(词1,词2,词3,...|
一闪一闪亮日日日日日日·2023-10-31 06:57

人工智能 python入门体验课_Python系列课程——人工智能篇简单入门

下面推荐的这个内容比较适合小白，如果数学、模型理论基础不扎实也没关系，可以掌握Python编程语言基本可以轻松学习~例如利用Python编程语言实现线性分类器、支持向量机、朴素贝叶斯等经典机器学习模型来解决诸如肿瘤良恶性预测
weixin_39536427·2023-10-30 17:22

【机器学习】朴素贝叶斯算法基本原理与计算案例

朴素贝叶斯算法基本原理与计算案例文章目录朴素贝叶斯算法基本原理与计算案例1.朴素贝叶斯算法的基本原理2.概率基础3.朴素贝叶斯简单计算案例4.朴素贝叶斯算法对文本进行分类5.拉普拉斯平滑系数6.案例：20
麦当当爷爷·2023-10-29 21:32

机器学习-朴素贝叶斯之多项式模型

多项式模型：记住一定用于离散的对象，不能是连续的于高斯分布相反，多项式模型主要适用于离散特征的概率计算，切sklearn的多项式模型不接受输入负值因为多项式不接受负值的输入，所以样本数据的特征为数值型数据，必须归一化处理保证数据里没有负数其中需要用到贝叶斯概率公式：如下当分子出现0时候，需要用到拉普拉斯平滑系数贝叶斯概率公式，来自Wang’sBlog的原创模型构建与训练：需要用到的api是：fro
qq_38404903·2023-10-29 11:43

机器学习(一) —— 机器学习基础

数据集1.1加载数据集1.2划分数据集二、特征工程2.1特征预处理(归一化/标准化)2.2特征降维(特征选择/主成分分析/线性判别器)2.3特征提取(字典/文本特征提取)三、分类算法3.1K近邻算法3.2朴素贝叶斯算法
share16·2023-10-29 09:41

sklearn进行机器学习 ( 一天掌握 )

数据集使用字典特征提取文本特征抽取中文文本特征抽取中文分词中文文本特征抽取-自动分词TF-IDF特征预处理归一化标准化（大数据用）特征降维特征选择主成分分析-PCA降维分类算法K-近临算法（KNN算法）模型选择与调优facebook案例朴素贝叶斯算法
鼠小米·2023-10-29 09:40

朴素贝叶斯法，后验概率最大化的含义，参数估计

文章目录朴素贝叶斯法后验概率最大化的含义参数估计极大似然估计贝叶斯估计参考资料朴素贝叶斯法输出取值：y∈{c1,c2,...,ck}y\in\{c_{1},c_{2},...,c_{k}\}y∈{c1,
星海浮生·2023-10-28 04:19

Spark 初探总结

ResilientDistributedDatasets转换map,floatMap,groupByKey...动作count,collect,save...3.学习算法分类与回归->监督式学习(带标签)目标结果明确线性回归逻辑回归,多元逻辑回归决策树朴素贝叶斯
shaun_x·2023-10-27 18:06

机器学习之朴素贝叶斯

朴素贝叶斯：也叫贝叶算法推断，建立在主管判断的基础上，不断地进行地修正。需要大量的计算。
qq_38404903·2023-10-27 17:05

解密人工智能：决策树 | 随机森林 | 朴素贝叶斯

文章目录一、机器学习算法简介1.1机器学习算法包含的两个步骤1.2机器学习算法的分类二、决策树2.1优点2.2缺点三、随机森林四、NaiveBayes（朴素贝叶斯）五、结语一、机器学习算法简介机器学习算法是一种基于数据和经验的算法
春人.·2023-10-27 10:31

朴素贝叶斯

理论基础条件概率：朴素贝叶斯最核心的部分是贝叶斯法则，而贝叶斯法则的基石是条件概率。贝叶斯法则如下：词集模型：对于给定文档，只统计某个侮辱性词汇（准确说是词条）是否在本文档出现。
李静数据分析·2023-10-27 04:53

统计学习方法 | 朴素贝叶斯法

目录一、朴素贝叶斯法的原理二、极大似然估计下的朴素贝叶斯算法python实现三、贝叶斯估计下的朴素贝叶斯算法python实现一、朴素贝叶斯法的原理二、极大似然估计下的朴素贝叶斯算法python实现importnumpyasnpdefnaiveBayes
天下弈星~·2023-10-26 20:04

电信——天翼云面试准备

手写朴素贝叶斯，先验后验傻傻分不清楚，面试官还指出了来了...讲讲隐马尔可夫模型，完全记不得了，只能讲讲马
玦☞·2023-10-25 16:03

中国大学出品的人工智能精品之作视频课程

机器学习与监督算法07-阿尔法狗与强化学习算法08-高等数学—两个重要的极限定理09-高等数学—导数10-贝叶斯理论11-高等数学—泰勒展开12-高等数学—偏导数13-高等数学—积分14-高等数学—正态分布15-朴素贝叶斯和最大似然估计
陈南云·2023-10-24 23:01
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他