朴素贝叶斯

解锁机器学习核心算法｜朴素贝叶斯：分类的智慧法则

这十大算法包括线性回归、逻辑回归、决策树、随机森林、K-近邻算法、K-平均算法、支持向量机、朴素贝叶斯算法、主成分分析（PCA）、神经网络。
紫雾凌寒·2025-02-24 08:05

朴素贝叶斯原理及sklearn中代码实战

朴素贝叶斯（NaiveBayes）是一类基于贝叶斯定理的简单而有效的分类算法。它假设特征之间是相互独立的，即在给定目标变量的情况下，每个特征都不依赖于其他特征。
Lewis@·2025-02-22 18:51

解锁机器学习核心算法 | 支持向量机：机器学习中的分类利刃

这十大算法包括线性回归、逻辑回归、决策树、随机森林、K-近邻算法、K-平均算法、支持向量机、朴素贝叶斯算法、降维算法、梯度增强算法。
紫雾凌寒·2025-02-18 15:15

机器学习:朴素贝叶斯

概率1.1定义概率表示随机事件发生可能性大小的一个数值,随机事件指在相同条件下,可能出现也可能不出现的事件。例如:抛硬币:当我们抛硬币时,可以正面朝上也可以反面朝上,正面或反面朝上的可能性被称为概率。理想状态下正反概率都是0.5。掷骰子:掷一个六面的骰子,每个点出现的概率是1/6,因为每个面出现的机会是均等的。抽取商品:一批商品包含良品和次品,随机抽取一件,抽取良品或次品是一个随机事件,经过大量实
小源学AI·2025-02-17 16:46

朴素贝叶斯模型在文本分类中的应用

朴素贝叶斯（NaiveBayes）是一种基于贝叶斯定理的概率分类算法，广泛应用于文本分类任务中。它的核心思想是根据训练数据中不同类别的条件概率，预测新文本属于哪个类别。
Ash Butterfield·2025-02-17 15:36

机器学习算法 —— 朴素贝叶斯

博客的简介（文章目录）目录朴素贝叶斯朴素贝叶斯的介绍朴素贝叶斯的优点朴素贝叶斯的缺点朴素贝叶斯的应用实战（贝叶斯分类）莺尾花数据库函数导入数据导入和分析模型训练模型预测原理简析模拟离散数据集朴素贝叶斯朴素贝叶斯的介绍朴素贝叶斯法
ZShiJ·2025-02-06 23:01

【机器学习理论】朴素贝叶斯网络

基础知识：先验概率：对某个事件发生的概率的估计。可以是基于历史数据的估计，可以由专家知识得出等等。一般是单独事件概率。后验概率：指某件事已经发生，计算事情发生是由某个因素引起的概率。一般是一个条件概率。条件概率：条件事件发生后，另一个事件发生的概率。一般的形式为P(B∣A)P(B|A)P(B∣A)，表示AAA发生的条件下BBB发生的概率。P(B∣A)=P(AB)P(A)P(B|A)=\frac{P
SUNX-T·2025-02-06 23:58

机器学习day8

自定义数据集，使用朴素贝叶斯对其进行分类代码importnumpyasnpimportmatplotlib.pyplotaspltclass1_points=np.array([[2.1,2.2],[2.4,2.5
ኈ ቼ ዽ·2025-02-05 07:49

自定义数据集 ，使用朴素贝叶斯对其进行分类

importnumpyasnpimportmatplotlib.pyplotaspltclass1_points=np.array([[1.9,1.2],[1.5,2.1],[1.9,0.5],[1.5,0.9],[0.9,1.2],[1.1,1.7],[1.4,1.1]])class2_points=np.array([[3.2,3.2],[3.7,2.9],[3.2,2.6],[1.7,3.3
sirius12345123·2025-02-05 07:45

自定义数据集 ，使用朴素贝叶斯对其进行分类

模型训练：-初始化MultinomialNB模型，这是适用于离散数据（如词频）的朴素贝叶斯分类器。-使用fit方法在提取的特征和标签上训练模型。预测：-
知识鱼丸·2025-02-04 14:40

自定义数据集 ，使用朴素贝叶斯对其进行分类

代码：#导入必要的库importnumpyasnpimportmatplotlib.pyplotasplt#定义类1的数据点，每个数据点是二维的坐标class1_points=np.array([[1.9,1.2],[1.5,2.1],[1.9,0.5],[1.5,0.9],[0.9,1.2],[1.1,1.7],[1.4,1.1]])#定义类2的数据点，每个数据点是二维的坐标class2_poi
〖是♂我〗·2025-02-04 07:46

自定义数据集 ，使用朴素贝叶斯对其进行分类

importnumpyasnpimportmatplotlib.pyplotasplt#1.散点输入class1_points=np.array([[1.9,1.2],[1.5,2.1],[1.9,0.5],[1.5,0.9],[0.9,1.2],[1.1,1.7],[1.4,1.1]])class2_points=np.array([[3.2,3.2],[3.7,2.9],[3.2,2.6],[
Z211613347·2025-02-04 04:21

模式识别与机器学习（Python实现）：基于sklearn朴素贝叶斯模型实现男女分类

模式识别与机器学习（Python实现）：基于sklearn朴素贝叶斯模型和pazen窗方法实现男女分类欢迎大家来到安静到无声的《模式识别与人工智能（程序与算法）》，如果对所写内容感兴趣请看模式识别与人工智能
CV视界·2025-02-03 17:16

使用朴素贝叶斯对自定义数据集进行分类

准备自定义数据集首先，需要一个自定义数据集来进行分类。创建一个简单的二维数据集，其中每个样本有两个特征，并且属于两个类别之一。importnumpyasnpimportpandasaspd#创建自定义数据集np.random.seed(42)num_samples=100#生成特征数据X=np.random.rand(num_samples,2)#生成标签数据（0或1）y=np.where(X[:
Luzem0319·2025-02-03 17:15

使用支持向量机和朴素贝叶斯对文本分类

一、支持向量机文本分类1.1支持向量机分类器(SVC)支持向量机分类器（SupportVectorClassifier），缩写为SVC。SVC是sklearn.svm模块的一部分，提供了对支持向量机（SVM）算法的实现。SVM是一种监督学习模型，用于分类和回归任务。SVC是SVM用于分类的实现。1.2SVC的用法及参数通过以下方式创建SVC对象并进行训练：fromsklearn.svmimport
SSeaflower·2025-02-03 09:10

Scikit-learn提供了哪些机器学习算法以及如何使用Scikit-learn进行模型训练和评估

Scikit-learn支持的机器学习算法可以大致分为以下几类：分类算法：支持向量机（SVM）随机森林（RandomForest）逻辑回归（LogisticRegression）朴素贝叶斯
Java资深爱好者·2025-02-02 14:20

细说机器学习算法之ROC曲线用于模型评估

机器学习算法之K—Means第三章：Pyhton机器学习算法之随机森林第四章：Pyhton机器学习算法之线性回归第五章：Pyhton机器学习算法之有监督学习与无监督学习第六章：Pyhton机器学习算法之朴素贝叶斯第七章
Melancholy 啊·2025-02-01 01:40

情感分析常见算法与模型及实现步骤

常见的算法和模型包括以下几种：传统机器学习方法朴素贝叶斯（NaiveBayes）基于贝叶斯定理，假设特征之间相互独立。计算简单，适用于大规模数据集。常用于文本分类任务。
计算机软件程序设计·2025-01-25 16:25

广义加性模型的参数、半参数、非参数形式

它们可以被解释为朴素贝叶斯生成模型的判别推广。该模型将一个单变量响应变量Y和一些预测变量联系起来。为Y指定指数族分布，例
智识小站·2025-01-19 17:31

后端架构师技术图谱

常用算法排序、查找算法选择排序冒泡排序插入排序快速排序归并排序希尔排序堆排序计数排序桶排序基数排序二分查找Java中的排序工具布隆过滤器字符串比较KMP算法深度优先、广度优先贪心算法回溯算法剪枝算法动态规划朴素贝叶斯推荐算法最小生成树算法
dreamcasher·2025-01-17 15:45

【机器学习】朴素贝叶斯

3.朴素贝叶斯素贝叶斯算法（NaiveBayes）是一种基于贝叶斯定理的简单而有效的分类算法。其“朴素”之处在于假设各特征之间相互独立，即在给定类别的条件下，各个特征是独立的。
可口的冰可乐·2024-09-13 00:57

【统计学习方法读书笔记】（四）朴素贝叶斯法

终于到了贝叶斯估计这章了，贝叶斯估计在我心中一直是很重要的地位，不过发现书中只用了不到10页介绍这一章，深度内容后，发现贝叶斯估计的基础公式确实不多，但是由于正态分布在生活中的普遍性，贝叶斯估计才应用的非常多吧！默认输入变量用XXX表示，输出变量用YYY表示概率公式描述：P(X=x)P(X=x)P(X=x)：表示当X=xX=xX=x时的概率P(X=x∣Y=ck)P(X=x|Y=c_k)P(X=x∣
Y.G Bingo·2024-09-10 03:40

【机器学习】朴素贝叶斯方法的概率图表示以及贝叶斯统计中的共轭先验方法

引言朴素贝叶斯方法是一种基于贝叶斯定理的简单概率模型，它假设特征之间相互独立。
Lossya·2024-09-07 19:33

【机器学习】朴素贝叶斯网络的基本概念以及朴素贝叶斯网络在python中的实例

引言文章目录引言一、朴素贝叶斯网络1.1基本概念1.1.1节点1.1.2边（Edges）1.1.3条件独立性1.2特点1.2.1结构简单1.2.2易于理解和实现1.2.3计算效率高1.3应用1.4数学表示
Lossya·2024-09-07 19:33

人工智能与机器学习原理精解【17】

联合概率的分解三、贝叶斯定理的推导四、全概率公式的应用五、总结全概率公式推导一、全概率公式的定义二、全概率公式的推导三、全概率公式的应用贝叶斯定理的原理一、基本原理二、核心概念三、数学表达式四、原理应用五、原理特点朴素贝叶斯定理一
叶绿先锋·2024-09-05 08:23

利用贝叶斯和决策树 来进行医疗诊断的

贝叶斯分类器：我们使用朴素贝叶斯分类器来根据给定的症状计算每个病症的概率。决策树：我们使用决策
杨航 AI·2024-08-25 23:07

Python实战：爬取小红书评论并进行情感分析

在这篇博客中，我们将探讨如何使用Python爬取小红书的评论数据，并使用朴素贝叶斯分类器进行情感分析。本教程将涵盖从数据采集到模型训练和预测的完整流程。
Mr 睡不醒·2024-08-24 05:49

【机器学习理论基础】一文看尽朴素贝叶斯算法

在所有的机器学习分类算法中，朴素贝叶斯和其他绝大多数的分类算法都不同。
大数据AI·2024-08-23 10:20

【机器学习笔记】4 朴素贝叶斯

朴素贝叶斯分类是这一类算法中最简单的较为常见的算法。先验概率根据以往经验和分析得到的概率。我们用()来代表在没有训练数据前假设拥有的初始概率。后验概率根据已经发生的事件来分析得到的概率。
RIKI_1·2024-02-19 19:07

朴素贝叶斯算法

朴素贝叶斯算法一、基本概念二、算法及代码应用朴素贝叶斯NB算法分类算法区别其他机器学习算法：机器学习实战工具安装和使用一、基本概念朴素贝叶斯（NB）是一种基于贝叶斯定理与特征条件独立假设的分类算法。
YuanDaima2048·2024-02-19 10:46

21丨朴素贝叶斯分类（下）：如何对文档进行分类？

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。
张九日zx·2024-02-15 10:27

机器学习：多项式模型朴素贝叶斯分类器（原理+python实现）

简介多项式朴素贝叶斯也是多用于文本处理，其原理和计算的流程和伯努利朴素贝叶斯基本一致，唯一的区别在于单词的计数方式，由《伯努利朴素贝叶斯》一文可知，在文本处理的环节中，我们将单词是否出现在词组作为特征，
DocPark·2024-02-14 13:03

8、python多项式贝叶斯文本分类（完整）

1、贝叶斯定理（BayesTheorem）朴素贝叶斯分类（NaiveBayesClassifier）贝叶斯分类算法，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，对离散型的数据进行分类的算法
UP Lee·2024-02-14 13:32

机器学习入门--朴素贝叶斯原理与实践

朴素贝叶斯算法朴素贝叶斯是一种常用的分类算法，其基本思想是根据已有数据的特征和标签，学习出一个概率模型，并利用该模型对新样本进行分类。
Dr.Cup·2024-02-13 13:07

Python概率建模算法和图示

要点Python朴素贝叶斯分类器解释概率学习示例Python概率论，衡量一个或多个变量相互依赖性，从数据中学习概率模型参数，贝叶斯决策论，信息论，线性代数和优化Python线性判别分析分类模型，逻辑回归
亚图跨际·2024-02-12 09:26

机器学习各种算法汇总模板

机器学习算法模板包含了KNN，线性回归，逻辑回归，朴素贝叶斯，决策树，支持向量机，随机森林，kmeans，集成算法各种算法，特征工程，评估方式任你选择！！！
怎么菜成这样·2024-02-10 22:28

【机器学习笔记】贝叶斯学习

贝叶斯学习文章目录贝叶斯学习1贝叶斯学习背景2贝叶斯定理3最大后验假设MAP(MaxAPosterior)4极大似然假设ML(MaximumLikelihood)5朴素贝叶斯NB6最小描述长度MDL1贝叶斯学习背景试图发现两件事情的关系
住在天上的云·2024-02-10 17:49

sklearn中一些简单机器学习算法的使用

目录前言KNN算法决策树算法朴素贝叶斯算法岭回归算法线性优化算法前言本篇文章会介绍一些sklearn库中简单的机器学习算法如何使用，一些注释已经写在代码中，帮助一些小伙伴入门sklearn库的使用。
橘柚jvyou·2024-02-10 09:34

从概率到朴素贝叶斯算法，一篇带你看明白！

创建时间：2024-02-04最后编辑时间：2024-02-05作者：Geeker_LStar你好呀~这里是Geeker_LStar的人工智能学习专栏，很高兴遇见你~我是Geeker_LStar，一名初三学生，热爱计算机和数学，我们一起加油~！⭐(●’◡’●)⭐那就让我们开始吧！上两篇文章中，我详细讲了支持向量机（SVM）算法的原理，并用一个实例实现了它。在这一篇和下一篇中，我将分别讲解&实现朴素
Geeker · LStar·2024-02-10 07:54

【初中生讲机器学习】6. 分类算法中常用的模型评价指标有哪些？here!

前面已经讲了两个分类算法（SVM&朴素贝叶斯），其中在【初中生讲机器学习】4.支持向量机算法怎么用？一个实例带你看懂！中
Geeker · LStar·2024-02-10 07:23

机器学习：朴素贝叶斯笔记

朴素贝叶斯（NaiveBayes）是一种基于贝叶斯定理的简单概率分类算法，广泛应用于机器学习和数据挖掘中。
Ningbo_JiaYT·2024-02-08 07:39

图解机器学习 | 朴素贝叶斯算法详解

图解机器学习|朴素贝叶斯算法详解引言在众多机器学习分类算法中，本篇我们提到的朴素贝叶斯模型，和其他绝大多数分类算法都不同，也是很重要的模型之一。
Dashesand·2024-02-08 03:22

机器学习-朴素贝叶斯【手撕】

朴素贝叶斯概述在许多分类算法应用中，特征和标签之间的关系并非是决定性的。比如说，我们想预测一个人究竟是否会在泰坦尼克号海难中生存下来，那我们可以建一棵决策树来学习我们的训练集。
alstonlou·2024-02-07 11:07

机器学习 | 探索朴素贝叶斯算法的应用

朴素贝叶斯算法是一种基于贝叶斯定理和特征条件独立假设的分类算法。它被广泛应用于文本分类、垃圾邮件过滤、情感分析等领域，并且在实际应用中表现出色。
亦世凡华、·2024-02-07 03:45

4 朴素贝叶斯

1定义朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法2.算法及实例极大似然估计：在这里插入图片描述在这里插入图片描述在这里插入图片描述贝叶斯估计：在这里插入图片描述在这里插入图片描述总结：朴素贝叶斯法是典型的生成学习方法
奋斗的喵儿·2024-02-06 21:59

机器学习实战 朴素贝叶斯分类器

基于概率论的分类方法：朴素贝叶斯我的微信公众号：s406205391;欢迎大家一起学习，一起进步！！！k-近邻算法和决策树会给出“该数据属于哪一类”的明确回答。
shenny_·2024-02-06 17:04

第七章 朴素贝叶斯机器学习

朴素贝叶斯是一组功能强大且易于训练的分类器，它使用贝叶斯定理来确定给定一组条件的结果的概率，“朴素”的含义是指所给定的条件都能独立存在和发生.朴素贝叶斯是多用途分类器，能在很多不同的情景下找到它的应用，
颜大哦·2024-02-05 14:32

朴素贝叶斯原理

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。它是基于贝叶斯定义和特征条件独立假设的分类器方法。
小森( ﹡ˆoˆ﹡ )·2024-02-05 10:58

python校园舆情分析系统 可视化 情感分析 朴素贝叶斯分类算法 爬虫 大数据 毕业设计（源码）✅

1、项目介绍技术栈：Python语言、Django框架、数据库、Echarts可视化、scrapy爬虫技术、HTML朴素贝叶斯分类算法（情感
vx_biyesheji0001·2024-02-04 23:39

机器学习_15_贝叶斯算法

文章目录1贝叶斯定理相关公式2朴素贝叶斯算法2.1朴素贝叶斯算法推导2.2朴素贝叶斯算法流程3高斯朴素贝叶斯4伯努利朴素贝叶斯5多项式朴素贝叶斯6贝叶斯网络6.1最简单的一个贝叶斯网络6.2全连接贝叶斯网络
少云清·2024-02-04 07:50
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他