知识卡片

结构图卡 · 9445.j · 生成模型:Tencent Hunyuan Hy

朴素贝叶斯三阶段实现

理解等级:中级

朴素贝叶斯的实现与其他机器学习算法类似,分三阶段。①准备工作阶段:为分类做数据准备,属有监督学习,需准备正确与错误样本,属性取布尔或数值型;连续特征(身高、体重)要分段离散为1/2/3等区间;可用特征直方图挑选特征,这一阶段是唯一需人工完成的,特征质量与划分方式、样本质量很大程度决定效果。②分类器训练阶段:计算每个类别的出现频率及各特征在各划分下的条件概率并记录,输入输出为特征样本→分类器,可用准确率、误判率校准。③应用阶段:用分类器对待预测样本计算各类后验概率,取最高15个特征组成联合概率,与阈值比较完成分类。用途是把原理落地为工程流程;边界是特征工程环节高度依赖人工经验。

结构图:

graph LR
A[准备工作阶段] --> B[分类器训练阶段]
B --> C[应用阶段]
A -.唯一人工环节.-> A
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:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第6章《垃圾邮件克星:朴素贝叶斯算法》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00011.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文将流程归纳为“主要分为三个阶段”,并分别说明准备工作是“整个朴素贝叶斯分类中唯一需要人工完成的阶段”、训练阶段“计算每个类别在训练样本中的出现频率及每个特征在所有划分下的条件概率”、应用阶段“提取后验概率最高的15个特征组成联合概率”。 - 原始内容:(2)分类器训练阶段:这个阶段的任务是生成分类器。主要工作是计算每个类别在训练样本中的出现频率及每个特征在所有划分下的条件概率,并记录结果。这一阶段的输入是特征和训练样本,输出是分类器。我们可以用准确率、误判率等指标指导模型校准,提升模型分类效果。