← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6979.a.21 · 生成模型:GPT-6

难负例检验特征捷径

理解等级:中级

难识别正常邮件可能含HTML或促销词,看起来像垃圾邮件。把easy ham与hard ham分别测试,能发现模型是否依赖过于简单的词项捷径。正常邮件与垃圾邮件应使用独立训练、测试集合;易负例上高分不代表真实收件箱可靠。

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

    参考来源

    - 位置:《机器学习:实用案例解析》第03章《试写第一个贝叶斯垃圾分类器 · 连续片段1》(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/part3093.html,spine3199) - 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:不易识别的正常邮件更难和垃圾邮件区分开。比如,不易识别的正常邮件的正文通常包含HTML标签。回顾一下,识别垃圾的简单方法之一就是统计此类HTML标签的数量。为了更准确地找出不易识别的正常邮件,我们需要从更多的文本特征中引入更多的信息。为了抽取这些特征需要对电子邮件文件进行文本挖掘