上述文章討論了基於樸素貝葉斯的文字分類，即多變數伯努利事件模型(multi-variate bernoulli event model)
本章繼續討論多項式事件模型(multinomial event model)
專為文字分類而生。(後驗估計)
ps:最大後驗估計補習
設xi為email裡第i個詞，且xi=(dict裡對應單詞的位置)
顯然xi在裡取值，其中|v|是特徵字典(dict)的長度筆者在幾次實戰後，發現絕大部分文字分類運用該模型效果良好。
接下來我會舉例實戰，不懂的或者需要源**的可以聯絡我。
python群:190341254
丁。
Python與機器學習之模型結構 生成學習演算法
在前面我們談論到的演算法都是在給定x的情況下直接對p y x 進行建模。例如，邏輯回歸利用h x g tx 對p y x 建模。如果換個思路，首先根據大象 y 1 的特徵來學習出乙個大象的模型，然後根據狗 y 0 的特徵學習出狗的模型，最後對於乙個新的樣本，提取它的特徵先放到大象的模型中求得是大象的...
機器學習之模型評估與選擇
分為五部分 1 經驗誤差及過擬合 2 評估方法 3 效能度量 4 比較檢驗 5 偏差與方差。錯誤率 error rate 分類錯誤的樣本數佔總樣本數。精度 accuracy 1 錯誤率。誤差 error 學習器的實際 輸出和樣本的真實輸出的差異。在訓練集上的是訓練誤差，在新樣本上的是泛化誤差。過擬合...
機器學習之模型評估與選擇
1.誤差及擬合 訓練誤差 通過訓練集訓練出的模型，在訓練集上的 輸出與實際值之間的誤差 泛化誤差 模型在測試集上的誤差 訓練集用來訓練模型，測試集用來驗證模型的準確性 一般會把樣本7 3區分成訓練集和測試集，普遍情況下，判斷乙個模型是否優秀，不是看在訓練集上的表現，更多的是看模型在測試集上的表現，即...