《机器学习技术》项目5 贝叶斯分类.pptxVIP

下载本文档

2
0
约小于1千字
约 30页
2023-08-28 发布于四川
举报
版权申诉

《机器学习技术》项目5 贝叶斯分类.pptx

1、本文档共30页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

;kNN通过设定k值应用投票的方法完成数据的分类，线性回归通过对回归的数据打上离散的标签实现分类的过程，决策树从根节点到叶节点递归比较节点的属性值得出分类结论。本章将介绍一种判别分析方法，主要使用概率去表示类别分布的不确定性，代表方法是朴素贝叶斯分类器。从概率论基础开始开始，首先简要介绍朴素贝叶斯基本知识，然后通过鸢尾花分类与邮件分类的案例分别演示先验为高斯分布的朴素贝叶斯GaussianNB类和先验为多项式分布的朴素贝叶斯MultinomialNB类的应用过程。;;;Course catalogue;任务目标：能理解贝叶斯推断的过程和分类的核心思想。任务分析：贝叶斯基本知识——>贝叶斯推断过程——>朴素贝叶斯推断过程任务分解：本任务共设定3个子任务，分3大步骤完成。第1步：了解贝叶斯基本知识。第2步：理解贝叶斯推断过程。第3步：理解朴素贝叶斯推断过程。;;;;;Course catalogue;任务目标：能正确应用Sklearn工具实现鸢尾花贝叶斯分类建模。任务分析： GaussianNB理解——>Sklearn下鸢尾花GaussianNB分类编程——>——>模型评估任务分解：本任务共设定2个子任务，分2大步骤完成。第1步： GaussianNB基础知识理解。第2步： Sklearn下鸢尾花GaussianNB分类编程实现与模型评估。;;;Course catalogue;任务目标：能正确应用Sklearn工具实现鸢尾花贝叶斯分类建模。任务分析： MultinomialNB理解——>数据处理——> Sklearn下邮件MultinomialNB分类编程任务分解：本任务共设定8个子任务，分8大步骤完成。第1步：多项式朴素贝叶斯基础知识理解。第2步：邮件贝叶斯过滤分类业务理解。第3步：邮件数据与停词的理解与处理第4步：中文分词实现与停词过滤处理第5步：获取邮件训练集单词列表和高频单词集第6步：垃圾邮件与正常邮件样本中高频词获取第7步：MultinomialNB学习邮件分类第8步：垃圾邮件与正常邮件分类实现;;;;;;;;;;Course catalogue;;Course catalogue;;