机器学习：朴素贝叶斯模型算法原理（含实战案例）

数据分析领域优质创作者

2023-03-13 10:50:49

机器学习：朴素贝叶斯模型算法原理（含实战案例）

...全文

32 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

2017年最新机器学习入门与实战精品高清全套视频教程附讲义作业(anaconda2 4.3Pytyhon2.7 jupyter) 70课课程介绍: 从基本的软件安装到必备的Python扩展讲起，然后对机器学习算法一一讲解，同时配合编程实操的实现过程，适合零基础系统学习，配套资料包括讲义作业软件数据都有。课程目录: 第一章Numpy前导介绍 1.1、Anconda安装 1.2、JupyterNoteBook 1.3、Numpy介绍+ndarry 1.4、ndarry的shape属性巧算 1.5、ndarray的常见创建方式 1.6、NumPy中的数据类型 1.7、NumPy数据类型2 1.8、Numpy基本操作 1.9、索引和切片 1.10、索引和切片（2） 1.11、数组转制与轴兑换 1.12、通用函数 1.13、np.where函数 1.14、np.unique函数 1.15、数组数据文件读取第二章Pandas前导课程 2.1、Pandas介绍 2.2、Series 2.3、索引对象 2.4、DataFrame 2.5、Pandas常用操作（1） 2.6、Pandas常用操作（2） 2.7、缺失值处理 2.8、pandas制图 2.9、Matplotlib（1） 2.10、Matplotlib（2） 2.11、Matplotlib中文输出解决第三章机器学习（一） 3.1、01机器学习定义及理性认识 3.2、02机器学习商业应用场景、机器学习分类 3.3、03机器学习开发流程 3.4、04模型评估方法和部署 3.5、05线性回归原理推倒过程 3.6、06线性回归基础认识及原理讲解 3.7、07线性回归案例分析第四章机器学习（二） 4.1、01_线性回归案例1、正则项、梯度下降 4.2、02_梯度下降方法及回归案例分析 4.3、03_线性回归、lasso、ridge、ElasitcNet以及案例分析 4.4、04_逻辑回归原理 4.5、05_逻辑回归及案例分析 4.6、06_softmax回归及案例分析 4.7、07_综合案例分析第五章机器学习三-决策树 5.1、01决策树、属性分割、信息增益 5.2、02信息增益的计算、模型评估、ID3、C4.5、CART_ 5.3、03决策树案例分析1 5.4、04决策树案例分析二、过拟合、剪枝分析 5.5、05bagging、随机森林、随机森林案例分析 5.6、06GBDT、Adaboost原理讲解 5.7、07Adaboost案例分析、综合案例分析第六章机器学习四-SVM支持向量机 6.1、svm讲解 6.2、核函数 6.3、代码讲解(一) 6.4、代码讲解(二 6.5、代码讲解(三) 6.6、代码讲解(四) 第七章机器学习五-聚类分析+贝叶斯 7.1、01-聚类的相似性度量（距离公式） 7.2、02-聚类思想、kmeans聚类、kmeans聚类应用案例 7.3、03-二分kmeans、kmeans++、kmeansII、canopy、mini-batchkm 7.4、04-聚类算法的衡量指标及案例实现 7.5、05-层次聚类及实现案例 7.6、06-密度聚类 7.7、07-密度聚类案例实现、谱聚类、谱聚类案例实现 7.8、08-不同聚类效果对比实现、文本案例、图片案例 7.9、09-朴素贝叶斯原理、案例1、案例2 7.10、10-贝叶斯网络 7.11、11-贝叶斯网络拓展第八章机器学习六-EM-HMM-LDA-ML 8.1、01.EM算法讲解 8.2、02.HMM及中文分词 8.3、03.主题模型 8.4、04.spark机器学习安装环境 8.5、05.spark机器学习离线处理及训练和使用 8.6、06.机器学习实时新闻分类

1、本课程主要环境基于python3.6和sklearn。请大家准备好这两个环境的安装。2、本课程从属于正在录制的《机器学习入门系列》，本篇是第2篇：朴素贝叶斯文本分类。本课程中会涉及到一些数学算法和使用工具。先教大家怎么使用和简单触碰原理。很快后续会有针对这些特定数学基础和工具的精讲课程开设。3、本课程特别适合web程序员想要入门机器学习的同学

机器学习【系列】之第四章朴素贝叶斯模型第三章 朴素贝叶斯模型文章目录机器学习【系列】之第四章朴素贝叶斯模型前言一、朴素贝叶斯模型的算法原理二、朴素贝叶斯模型的简单代码实现案例分析：肿瘤预测模型1.读取数据2.划分特征变量和目标变量3.模型的搭建与使用总结前言本章主要讲解机器学习中朴素贝叶斯模型，先讲解朴素贝叶斯的算法原理和编程实现，然后通过一个经典案例-----肿瘤预测模型来巩固所学知识。一、朴素贝叶斯模型的算法原理 1.一维特征变量下的贝叶斯模型 P(Y|X1) = P(X1|

各位同学好，今天我向大家介绍python机器学习中的朴素贝叶斯算法。内容有：算法的基本原理；案例实战--新闻文档的分类预测。案例简介：新闻数据有20个主题，有10万多篇文章，每篇文章对应不同的主题，要求是任意输入一篇新的文章，模型输出这篇文章属于哪个主题。 1. 算法原理 1.1 朴素贝叶斯方法 朴素贝叶斯方法涉及一些概率论知识，我们先来复习一下。联合概率：包含多个条件，并且所有的条件同时成立的概率，公式为：条件概率：事件A在另一个事件B已经发生的前提下发生的概率，记作P(A|B)，如果有

463,065

社区成员

16,854

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

【Java技能树】和哪吒一起，打卡100天，每天分享一个知识点，一起学习，一起进步，告别CRUD，搬砖工逆袭Java架构师，加油！

【积分榜】积分榜前十每周都有精彩礼包赠送！

【添加微信】备注1024，加入哪吒微信交流群，一起学习交流进大厂

试试用AI创作助手写篇文章吧

+ 用AI写文章