python编写朴素贝叶斯用于文本分类
朴素贝叶斯估计
朴素贝叶斯是基于贝叶斯定理与特征条件独立分布假设的分类方法。首先根据特征条件独立的假设学习输入/输出的联合概率分布，然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。
具体的，根据训练数据集，学习先验概率的极大似然估计分布
以及条件概率为
Xl表示第l个特征，由于特征条件独立的假设，可得
条件概率的极大似然估计为
根据贝叶斯定理
则由上式可以得到条件概率P(Y=ck|X=x)。
贝叶斯估计
用极大似然估计可能会出现所估计的概率为0的情况。后影响到后验概率结果的计算，使分类产生偏差。采用如下方法解决。
条件概率的贝叶斯改为
文件下载
评论信息
其他资源
- 多张图片同时在三维空间中显示（matlab版本）
- 两挡电动汽车动力性仿真matlab程序.xdf
- Quartz动态修改时间，java实现修改CronExpression方法
- ISO8583报文解包工具
- 期权定价matlab代码
- 中文最全停用词表，个人整理（1704个）
- 深度学习（Deep Learning）资料：《解析深度学习：语音识别实践》
- 基于MATLAB的波场模拟
- HLS使用教程
- 华为HS8545M和8546M恢复原厂工具和固件
- ml.err ml 汇编
- 全球PM2.5浓度年均值的栅格数据,50KM X 50KM,源自NASA
- pid算法-arduino
- 仿简书网站模板下载，简洁的文学创作分享交流网站平台整站模板，共19个html模板页面
- Tcp点对点通讯
- filebeat-6.2.1-linux-x86_64.tar.gz
- 等保2.0下的可信计算防御体系.pdf
- 3rdlib.rar
- GPS立即上手指南.pdf gps
- 蛋糕店计次积分消费会员管理2019免费版
- Retinex的算法
- VB 批量重命名文件
- Vf课程设计仓库管理系统含文档
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明