知识卡片

普通读书笔记卡 · 5604.e · 生成模型:GPT-6

条件概率分类

理解等级:中级

条件概率是在给定条件下事件的概率。朴素贝叶斯比较类别先验P©与文本似然P(words|C)的组合,不能把P(words|C)直接当P(C|words)。朴素近似要求给定类别后词项特征条件独立,现实中通常不完全成立;重复相关证据可能放大确信程度。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第3章 分类:垃圾过滤 漫谈条件概率 · 查看原书依据

      本章使用的文本分类算法叫做朴素贝叶斯分类器(Naive Bayes classifier),它通过搜索文本中的两类词来判断文本类型,这两类词分别是:a)明显更可能在垃圾邮件中出现的词;b)明显更可能在非垃圾邮件中出现的词。当一个词明显更可能出现在一种情景下而非另一种时,它的出现就

    参考来源

    - 位置:《机器学习:实用案例解析》第03章《漫谈条件概率》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3092.html,spine3198) - 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。 - 原始内容:本章使用的文本分类算法叫做朴素贝叶斯分类器(Naive Bayes classifier),它通过搜索文本中的两类词来判断文本类型,这两类词分别是:a)明显更可能在垃圾邮件中出现的词;b)明显更可能在非垃圾邮件中出现的词。当一个词明显更可能出现在一种情景下而非另一种时,它的出现就