机器学习-上海大学-朴素贝叶斯下载

机器学习-上海大学-朴素贝叶斯

实验介绍 1.实验内容 本实验包括: 基于朴素贝叶斯算法的言论过滤器 基于朴素贝叶斯算法实现垃圾邮件过滤 2.实验目标 通过本实验掌握朴素贝叶斯算法原理，熟悉朴素贝叶斯算法的简单应用。 【言论过滤器】 实验步骤：【言论过滤器】- 概述 以在线社区留言为例。为了不影响社区的发展，我们要屏蔽侮辱性的言论，所以要构建一个快速过滤器，如果某条留言使用了负面或者侮辱性的语言，那么就将该留言标志为内容不当。过滤这类内容是一个很常见的需求。对此问题建立两个类型：侮辱类和非侮辱类，使用1和0分别表示。

Spark ml pipline交叉验证之朴素贝叶斯.docx

Spark ml pipline交叉验证之朴素贝叶斯 模型训练 输入参数 训练代码 模型评估 输入参数 评估代码

机器学习（朴素贝叶斯）——文本分类

该算法用Python实现了朴素贝叶斯分类器，并用于文本分类，实现垃圾邮件的检测。

机器学习方法朴素贝叶斯模型、knn实现手写数字识别

伯克利人工智能先导课cs188作业，朴素贝叶斯模型和KNN算法实现手写数字识别，准确率都达到很高水平，有说明文件，有训练结果绘图，适合新手入门

ml-knn-bayes:朴素贝叶斯和KNN分类器，机器学习

朴素贝叶斯和KNN分类器，ML 使用KNN和朴素贝叶斯（Naive Bayes）作为算法从头构建分类器。 这些分类器的构造使用相同的算法，但是现在使用了Scikit-Learn实现。 评估和比较从头开始实施的内容与通过Scikit-Learn获得的内容之间的比较。 学习成功是通过对评估集上的分类器进行评估，经过验证阶段以获得最佳超参数并利用交叉验证来衡量的。 该项目的详细说明在实验室“ knn-bayes-lab”中。 合作者 塞巴斯蒂安·沃尔蒂（SebastiánVolti） 亚历杭德罗·克拉拉（Alejandro Clara） 奥古斯蒂娜·塞拉（Agustina Sierra）