贝叶斯学习举例--学习分类文本

网友投稿 577 2022-05-29

“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:

贝叶斯学习举例--学习分类文本

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。

上一篇:HTTP协议详解
下一篇:HTML Meta中添加X-UA-Compatible和IE=Edge,chrome=1有什么作用
相关文章