朴素贝叶斯分类源码＋步骤_朴素贝叶斯分类算法流程,朴素贝叶斯分类算法基本步骤资源-CSDN文库

需积分: 39 101 浏览量 2019-03-14 18:42:30 上传评论 2 收藏 521KB PDF 举报

资源推荐

资源详情

资源评论

基于概率论的分类方法:

朴素贝叶斯 7/

本章内容

□使用概率分布进行分类

□学习朴素贝叶斯分类器

□解析&83源数据

口使用朴素贝叶斯来分析不同地区的态度

前两章我们要求分类器做出艰难决策，给出 “该数据实例属于哪一类”这类问题的明确答

案。不过，分类器有时会产生错误结果，这时可以要求分类器给出一个最优的类别猜测结果，同

时给出这个猜测的概率估计值o

概率论是许多机器学习算法的基础，所以深刻理解这一主题就显得十分重要。第3章在计算

特征值取某个值的概率时涉及了一些概率知识，在那里我们先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，就得到了特征取该值的概率。我们将在此基础上深人讨论。

本章会给出一些使用概率论进行分类的方法。首先从一个最简单的概率分类器开始，然后给

出一些假设来学习朴素贝叶斯分类器。我们称之为“朴素”，是因为整个形式化过程只做最原始、

最简单的假设。不必担心，你会详细了解到这些假设。我们将充分利用?7«^的文本处理能力将

文档切分成词向量，然后利用词向量对文档进行分类。我们还将构建另一个分类器，观察其在真

实的垃圾邮件数据集中的过滤效果，必要时还会回顾一下条件概率。最后，我们将介绍如何从个

人发布的大量广告中学习分类器，并将学习结果转换成人类可理解的信息。

4 . 1 基于贝叶斯决策理论的分类方法

U - ' . ' . : : . : V ' . * _ U ^ ^ ^ O T W

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。

适用数据类型：标称型数据。

剩余11页未读，继续阅读

内容反馈

Young_and_Cold

粉丝: 180
资源: 5

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip