贝叶斯学习举例--学习分类文本

“我感兴趣的电子新闻稿”或“讨论机器学习的万维网页”。在这两种情况下，如果计算机可以精确地学习到目标概念，就可从大量在线文本文档中自动过滤出最相关的文档显示给读者。

这里描述了一个基于朴素贝叶斯分类器的文本分类的通用算法。

将要展示的朴素贝叶斯算法遵循以下的问题背景：

1、考虑实例空间X包含了所有的文本文档（即任意长度的所有可能的单词和标点符号串）。

2、给定某未知目标函数f(x) 的一组训练样例，f(x)的取值来自于某有限集合V。此任务是从训练样例中学习，以预测后续文本文档的目标值。

作为示例，这里考虑的目标函数是：将文档分类为对某人是否感兴趣，使用目标值like 和dislike代表这两类。

在应用朴素贝叶斯分类器时包含的两个主要设计问题是：

1、首先要决定怎样将任意文档表示为属性值的形式，

机器学习

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。