朴素贝叶斯

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

ML in Action笔记——CH4 朴素贝叶斯

仅个人代码笔记.朴素贝叶斯算法介绍代码分析结果展示算法介绍贝叶斯决策论是概率框架下实施决策的基本方法。
猴子姑娘呀·2023-10-24 20:44

《机器学习实战》笔记（四）：Ch4 - 基于概率论的分类方法:朴素贝叶斯

第四章基于概率论的分类方法:朴素贝叶斯[代码][ch04]基于贝叶斯决策理论算法优缺点优点:在数据较少的情况下仍然有效。可以处理多类别问题。缺点:对于输入数据的准备方式较为敏感。范围:标称型数据。
Liu_Goodfellow·2023-10-24 20:09

机器学习分类算法(四)-贝叶斯算法

朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。
安替-AnTi·2023-10-24 15:06

模式识别1——朴素贝叶斯分类器

分类器有很多，这次介绍朴素贝叶斯分类器，网上有很多资料，个人感觉不足的地方就是每个介绍只是侧重其中一方面，因此我对朴素贝叶斯分类进行了原理、算法进行全面介绍，后续还会介绍例子和程序。
weixin_30566149·2023-10-24 05:13

100天搞定机器学习|Day15 朴素贝叶斯

Day15，开始学习朴素贝叶斯，先了解一下贝爷，以示敬意。
统计学家·2023-10-23 01:07

朴素贝叶斯分类器（Naive Bayes Classifier）

朴素贝叶斯分类器（NaiveBayesClassifier）是一类基于贝叶斯定理的简单概率分类算法。它是一种有监督学习算法，常用于文本分类、垃圾邮件过滤、情感分析等问题。
亿星海·2023-10-23 00:55

机器学习之朴素贝叶斯分类器原理详解、公式推导（手推）、面试问题、简单实例（python实现，sklearn调包）

目录1.朴素贝叶斯原理1.1.特性1.2.思路2.公式推导3.简单实例3.1.数据集脱单数据集2.0脱单数据集1.0西瓜数据集3.2.python实现3.3.sklearn实现3.4.实验结果4.几个注意点
铖铖的花嫁·2023-10-23 00:53

机器学习

应用：决策树，朴素贝叶斯分类，最小二乘线性回归，主成分分析等
Strawstars·2023-10-22 04:36

这是一个小“废”贴

数据处理Pandas数据处理二，机器学习上课进度及练习应用部分生成自己的数据集广义线性模型交叉验证：评估估算器的表现计算f1_score数据降维特征选择集成学习1，k-邻近算法2，线性回归3，决策树4，朴素贝叶斯算法
壮壮不太胖^QwQ·2023-10-22 04:16

机器学习可解释性【随机森林规则提取】

本文主要讲：模型可解释性方案有哪些随机森林规则提取的方法有哪些随机森林规则提取，如何实现相关工作模型可解释性方案可分为：事前可解释性建模：有些模型自带可解释性，如：朴素贝叶斯、线性回归、决策树、基于规则的模型
细卷子·2023-10-21 05:44

朴素贝叶斯算法

1、什么是朴素贝叶斯分类方法2、概率基础2.1、概率(Probability)定义概率定义为一件事情发生的可能性扔出一个硬币，结果头像朝上某天是晴天P(X):取值在[0,1]2.2、女神是否喜欢计算案例在讲这两个概率之前我们通过一个例子
靓仔写sql·2023-10-21 04:53

SnowNLP使用自定义语料进行模型训练

SnowNLP是一个功能强大的中文文本处理库，它囊括了中文分词、词性标注、情感分析、文本分类、关键字/摘要提取、TF/IDF、文本相似度等诸多功能，像隐马尔科夫模型、朴素贝叶斯、TextRank等算法均在这个库中有对应的应用
qq_30895747·2023-10-20 12:12

35 机器学习（三）：混淆矩阵|朴素贝叶斯|决策树|随机森林

文章目录分类模型的评估混淆矩阵精确率和召回率接口介绍其他的补充朴素贝叶斯基础原理介绍拉普拉斯平滑下面给出应用的例子朴素贝叶斯的思辨决策树基础使用基本原理信息熵信息增益信息增益率Gini指数剪枝api介绍随机森林
Micoreal·2023-10-19 23:46

朴素贝叶斯：基于概率论的分类模型

朴素贝叶斯是建立在贝叶斯定理上的一种分类模型，贝叶斯定理是条件概率的一种计算方式，公式如下通过比较不同事件发生的概率，选取概率大的事件作为最终的分类。
生信修炼手册·2023-10-19 10:31

机器学习3——朴素贝叶斯（基于概率论的分类方法）

文章目录贝叶斯公式条件概率全概率公式贝叶斯公式先验概率、后验概率朴素贝叶斯朴素贝叶斯模型优缺点使用朴素贝叶斯过滤垃圾邮件贝叶斯公式条件概率事件（结果）：A原因（条件）：B公式：P(B∣A)=P(AB)P
张好好-学习·2023-10-19 10:31

《机器学习实战》— 基于概率论的分类方法：朴素贝叶斯

一、朴素贝叶斯算法中相关概念介绍1、朴素贝叶斯算法优缺点优点：可以处理多类别问题，在数据较少的情况下依然有效缺点：对输入数据的准备方式较敏感2、适用类型：标称型函数3、基于贝叶斯决策的分类方法如果p1(
知更鸟女孩·2023-10-19 10:28

机器学习实战--基于概率论的分类方法：朴素贝叶斯

前言：朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。
aaaaPIKACHU·2023-10-19 10:24

机器学习——基于概率论的分类方法：朴素贝叶斯

朴素贝叶斯(naiveBayes)算法是基于贝叶斯定理与特征条件独立假设的分类方法，对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布，然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出
fishsmans·2023-10-19 10:24

朴素贝叶斯（基于概率论）

释义贝叶斯定理是“由果溯因”的推断，所以计算的是"后验概率"其中：P(A|B)表示在事件B已经发生的条件下，事件A发生的概率。P(B|A)表示在事件A已经发生的条件下，事件B发生的概率。P(A)和P(B)分别表示事件A和事件B单独发生的概率简单代码实例fromsklearn.feature_extraction.textimportCountVectorizerfromsklearn.naive_
怎么全是重名·2023-10-19 10:52

《机器学习----简单的分类器》第二章、朴素贝叶斯，项目：使用特征值给语句打标签

贝叶斯分类器1,朴素贝叶斯算法1.朴素贝叶斯算法、2.算法思路3.贝叶斯定理4.特征的选用的要求和处理2，算法应用1文本分类2垃圾邮件过滤3情感分析3.朴素贝叶斯的优缺点1.优点2.缺点项目实践1，算法流程
司职在下·2023-10-19 09:40

《机器学习分类器 二》——朴素的贝叶斯算法，项目实践，算法实践。

1,朴素贝叶斯算法的介绍1.朴素贝叶斯算法定义朴素贝叶斯算法是基于概率统计的分类方法。它的核心思想是利用贝叶斯定理来估计在给定特征的条件下某个类别的概率，然后选择具有最高概率的类别作为预测结果。
司职在下·2023-10-19 09:31

贝叶斯学习

贝叶斯学习文章目录贝叶斯学习相关概率知识朴素贝叶斯多维正态密度贝叶斯贝叶斯学习主要是依靠先验概率来推出后验概率，然后更具后验概率去验证。其主流分为朴素贝叶斯和高斯分布下的贝叶斯估计。
Gowi_fly·2023-10-19 02:42

高斯朴素贝叶斯

TIME:2018-05-17sklearn.naive_bayes.GaussianNB当特征是连续变量的时候，运用多项式模型就会导致很多P(xi|yk)=0P(xi|yk)=0（不做平滑的情况下），此时即使做平滑，所得到的条件概率也难以描述真实情况。所以处理连续的特征变量，应该采用高斯模型公式:image参数:GaussianNB(priors=None)priors：默认None属性:pri
niartnelis·2023-10-18 11:48

朴素贝叶斯对新闻文本分类

朴素贝叶斯广泛应用于文本分类任务中，包括互联网新闻的分类和垃圾邮件的分类等。
让时间来沉淀吧·2023-10-18 01:30

机器学习算法综述——有监督学习

线性模型家族1.线性回归（岭回归和LASSO回归）2.线性分类（线性判别分析LDA和感知器算法）1.支持向量机SVM2.Logistic回归3.MLP多层感知机（人工神经网络）三、贝叶斯分类器家族1、朴素贝叶斯分类器
weixin_39687788·2023-10-17 22:22

数据挖掘——分类算法——贝叶斯分类、决策树

贝叶斯定理（BayesTheorem）朴素贝叶斯分类（NaiveBayesClassifier）贝叶斯分类算法（NB），是统计学的一种分类方法，它是利用贝叶斯定理的概率统计知识，对离散型数据进行分类的算法
weixin_33979363·2023-10-16 18:39

数据挖掘实战（七）--使用朴素贝叶斯进行社会媒体挖掘

一、朴素贝叶斯分类算法贝叶斯定理公式如下：表示“在A发生的情况下，B发生的概率”。在数据挖掘中，A通常是观察样本个体（也就是物特征），B为被测个体所属的类别。
bb8886·2023-10-16 18:35

机器学习--浅谈朴素贝叶斯

机器学习--朴素贝叶斯1-贝叶斯定理2-贝叶斯法则2-1-贝式定理2-2-概率案列3-朴素贝叶斯3-1朴素贝叶斯法的参数估计3-1-1极大似然估计3-1-2学习与分类算法3-1-3贝叶斯估计4代码部分1
Elvis_hui·2023-10-16 04:38

【机器学习算法-朴素贝叶斯、支持向量机】

机器学习算法-朴素贝叶斯算法1.朴素贝叶斯算法2.支持向量机2.1SVM基本综述1.朴素贝叶斯算法朴素贝叶斯是生成模型，需要根据已有的数据求出先验概率。
闲看庭前梦落花·2023-10-15 08:02

机器学习期末总复习详解

进行机器学习的步骤机器学习算法的分类第二章模型评估经验误差与过拟合评估方法性能度量第三章k邻近算法KNN算法流程时间复杂度kd树k邻近算法优缺点第四章决策树决策树算法流程划分选择信息增益ID3增益率C4.5基尼指数CART剪枝处理剪枝的基本策略预剪枝后剪枝第五章朴素贝叶斯算法贝叶斯公式拉普拉斯修正第六章逻辑斯蒂回归
打代码能当饭吃？·2023-10-14 22:16

数据挖掘的十大算法

分类算法：C4.5，朴素贝叶斯（NaiveBayes），SVM，KNN，Adaboost，CART聚类算法：K-Means，EM关联分析：Apriori连接分析：PageRankC4.5C4.5算法是得票最高的算法
楚小武·2023-10-14 01:36

机器学习算法概述

强化学习机器学习算法介绍1回归算法01线性回归：02非线性回归03逻辑回归2聚类01基于层次的聚类02基于分割（划分）的聚类03基于密度的聚类04基于网格的聚类05基于模型的聚类3分类：01逻辑回归02朴素贝叶斯分类器
uuddoop·2023-10-13 22:49

中文邮件分类[朴素贝叶斯、支持向量机、Logistic,TF-IDF,词袋模型]

读研第一次写博客，会不定时将自己做的小项目分享到这，加油第二次更改增加了特征工程，新加文本长度和符号比例两个特征，预测精确度达到了95.7%，比原来增加了2.1%，见本文第6节由于有人问起代码测试有问题，我将所有代码放在文章末尾了，可以一次测试没有错误，关键点把邮件，stop_word放在运行目录下，导入路径写自己的运行路径即可2021年11月30日--Walker本文为垃圾邮件分类的小作业1.问
Walker@Bruce Lee·2023-10-13 09:50

机器学习-P5 朴素贝叶斯算法（书P53）

文章目录一，概述1，条件概率（Condittionalprobability）2，全概率公式3，贝叶斯推断二，举个“栗子”（手动星标）三，朴素贝叶斯的种类如何选择1，高斯分布的朴素贝叶斯算法GaussianNB
壮壮不太胖^QwQ·2023-10-13 06:10

朴素贝叶斯（Naive Bayes）模型

贝叶斯原理贝叶斯为了解决一个叫“逆向概率”问题写了一篇文章，尝试解答在没有太多可靠证据的情况下，怎样做出更符合数学逻辑的推测“逆向概率”是相对“正向概率”而言正向概率，比较容易理解，比如我们已经知道袋子里面有N个球，不是黑球就是白球，其中M个是黑球，那么把手伸进去摸一个球，就能知道摸出黑球的概率是多少=>这种情况往往是上帝视角，即了解了事情的全貌再做判断逆向概率，贝叶斯则从实际场景出发，提了一个问
Sara_d94e·2023-10-12 07:12

机器学习总结

朴素贝叶斯fromsklearnimportdatasetsiris=datasets.load_iris()fromsklearn.naive_bayesimportGaussianNBgnb=GaussianNB
净土_0342·2023-10-12 06:38

朴素贝叶斯算法案例

"""朴素贝叶斯算法案例"""importnumpyasnp#准备数据defloadDataSets():"""加载数据集:return:dataMatrix,labelList"""dataMatrix
不学无数YD·2023-10-12 03:13

SVM应用

具体来说，可以通过以下步骤实现基于朴素贝叶斯算法的文本分类：将文本转化为词袋模型，并统计每个词出现的次数。计算每个类别的先验概率P(Ci)，即所有训练数据中属于该类别的样本数占总样本数的比例。
Blossom i·2023-10-11 01:25

伯努利朴素贝叶斯

TIME:2018-05-17sklearn.naive_bayes.BernoulliNB与多项式模型一样，伯努利模型适用于离散特征的情况，所不同的是，伯努利模型中每个特征的取值只能是1和0(以文本分类为例，某个单词在文档中出现过，则其特征值为1，否则为0).伯努利模型和多项式模型是一致的，BernoulliNB需要比MultinomialNB多定义一个二值化的方法，该方法会接受一个阈值并将输入
niartnelis·2023-10-09 14:59

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.·2023-10-07 11:51

基于深度学习的聊天机器人

基于深度学习的聊天机器人-项目前期知识准备文章目录基于深度学习的聊天机器人-项目前期知识准备一、TensorFlow框架简介二、NLP基础1.常用的神经网络模型2.词法分析3.贝叶斯和朴素贝叶斯4.隐马尔科夫模型
Chiancc·2023-10-07 10:12

人工智能需要学习哪些数学基础？AI数学基础

例如，朴素贝叶斯分类器、高斯混合模型、隐马尔可夫模型等算法都是基于概率论和统计学理论。线性代数：线性代数是
AI小菜鸡一个·2023-10-07 08:40

机器学习基础之《分类算法（9）—分类算法小结》

封装了机器学习算法二、KNN算法根据你的邻居来确定类别谁是邻居距离公式欧式距离曼哈顿距离闵可夫斯基距离K的取值找到最近的几个邻居K过小，容易受到异常值的影响K过大，容易受到样本不均衡的影响应用场景少量的数据三、朴素贝叶斯算法朴素
csj50·2023-10-06 15:36

ML算法与代码实现——朴素贝叶斯

联合概率：包含多个条件，且所有条件同时成立的概率记作：P(A,B)条件概率：就是事件A在另外一个事件B已经发生条件下的发生概率记作：P(A|B)贝叶斯定理：贝叶斯公式的理解：百度百科吸毒者检测例子：贝叶斯定理在检测吸毒者时很有用。假设一个常规的检测结果的敏感度与可靠度均为99%，也就是说，当被检者吸毒时，每次检测呈阳性（+）的概率为99%。而被检者不吸毒时，每次检测呈阴性（-）的概率为99%。从检
Roby1343be0·2023-10-06 06:18

【数据科学】Scikit-learn[Scikit-learn、加载数据、训练集与测试集数据、创建模型、模型拟合、拟合数据与模型、评估模型性能、模型调整]

这里写目录标题一、Scikit-learn二、加载数据三、训练集与测试集数据四、创建模型4.1有监督学习评估器4.1.1线性回归4.1.2支持向量机(SVM)4.1.3朴素贝叶斯4.1.4KNN4.2无监督学习评估器
TJUTCM-策士之九尾·2023-10-04 09:19

朴素贝叶斯

贝叶斯网络是有向无环图image.png朴素贝叶斯的优点与缺点：优点：容易快速建模，在多分类问题中表现优良；当特征独立时，朴素贝叶斯分类效果好于逻辑回归等其他分类器，且需要的数据量更少；相对连续性的数据
tongues·2023-10-02 13:03

基于python的情感分析案例-基于 Python 和 NLTK 的推特情感分析

基于Python和NLTK的推特情感分析作者：宋彤彤1.导读NLTK是Python的一个自然语言处理模块，其中实现了朴素贝叶斯分类算法。
weixin_37988176·2023-10-02 01:23

有监督学习 与 非监督学习 差异

包括所有的回归算法和分类算法，例如线性回归、决策树、朴素贝叶斯等。无监督学习：训练集只有输入（没有输出）组成。包括所有的聚类算法，例如k-means等。深度学习：只是指结构有深度的算法。
低调的风·2023-09-29 14:57
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他