- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我在文本分类中使用朴素贝叶斯。
假设我的词汇是[“apple”,“boy”,“cup”],类标签是“spam”或“ham”。每个文档将被覆盖到一个 3 维 0-1 向量。例如,“apple boy apple apple”将转换为 [1,1,0]
现在我已经根据训练示例计算了条件概率 p("apple"|"spam")、p("apple"|"ham")、p("boy"|"spam")...等。
测试文档是否为垃圾邮件或非垃圾邮件,例如“apple boy”-> [1,1,0],我们需要计算 p(features | classLabel)
使用条件独立性,测试向量[1,1,0]
我知道这两个公式
(1) p(特征|"火腿") = p("苹果"|"火腿")p("男孩"|"火腿")
(2) p(特征|"火腿") = p("苹果"|"火腿")p("男孩"|"火腿")(1-p("杯子"|"火腿"))
哪个公式是正确的?
我相信 (2) 是正确的,因为我们有 3 个特征(实际上词汇中有 3 个单词)。但我看到其他人使用(1)编写的代码。虽然 1-p("cup"|"ham") 项接近 1,因此不会产生太大差异,但我想要确切的答案。
最佳答案
你的直觉是对的,你写的代码也可能是对的。但是,您的问题出在符号上。 (我需要承认,一开始很难理解它。)您缺少的最重要的概念是随机变量(RV)
我使用 HAM
、CUP
、BOY
和 HAM
作为随机变量。每个 RV 可能发生两种可能的事件:contains
(c) 或 not contains
(nc)。文本包含 boy 的概率可以写为 P(BOY=contains)
并且不包含该单词的概率为 P(BOY=not contains)= 1-P(BOY =包含)
正确的公式是:
P(FEATURES| HAM) = P(CUP,BOY,APPLE|HAM) = P(CUP|HAM)P(BOY|HAM)P(APPLE|HAM)
最后一步是由于朴素贝斯假设。要计算您要求的概率,您需要计算
P(BOY=c,APPLE=c,CUP=nc|HAM) = P(BOY=c|HAM)P(APPLE=c|HAM)P(CUP=nc|HAM)
= P(BOY=c|HAM)P(APPLE=c|HAM)(1-P(CUP=c|HAM))
实际上,这仍然是两个概率(总和不等于一),因为 HAM
可以取两个值。
关于machine-learning - 朴素贝叶斯是否应该对词汇表中的所有单词进行乘法运算,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33720659/
我有一个简单的问题。我如何使用 Rmarkdown/knitr 创建词汇表。我与 RStudio 合作。 我尝试这个但没有成功 \usepackage{glossaries} 在 header.tex
我正在尝试使用 Pandoc 和 Markdown 来创建词汇表,PDF (/LaTeX) 输出。我遵循了文档 here它使用 glossaries图书馆。一切似乎都在工作,除了 实际上打印出词汇表!
实际上我在Wordlist中使用了一些CITY名称和PUBLISHERS名称。在我的理解中,Wordlist会注释文档中任何列表项的所有出现。但是我发现一个问题,当我改变列表中文本的顺序。 例如: 脚
我目前正在开发一个具有多种自定义内容类型的 Plone 项目。这些内容类型有几个字段,这些字段依次从词汇表中获取它们的值。目前,我只是将我的值硬编码在 vocabularies.py 文件中,如下所示
我想知道是否可以更新 spacys 的默认词汇表。我正在尝试做的是: 使用 gensim 在我自己的语料库上运行 word2vec 使用 nlp.vocab.load_vectors_from_bin
问题 [下面是应用程序在受限条件下的操作说明] 我想要一个数据结构来搜索25万个单词列表中是否存在string,同时仅使用相当数量的ram并保持将数据结构加载到ram中所需的时间很小(比如说0到8秒)
这两个术语有什么区别。到目前为止,我所理解的是,表达式是产生值的任何一段代码。但是在程序中,我应该怎么称呼这个: 5; 值还是表达式?或者我可以互换使用这两个术语吗? 最佳答案 值本质上是分配给变量的
与 INSearchForMessagesIntent在 SiriKit 中,我可以问: list messages in the inbox ,由 INSearchForMessagesIntent
是否有已知的 RDF 词汇表来描述 Uri 组件的元数据? (例如方案、权限、查询字符串等) 更新 我已经找到了 DublinCore term resource for URI ,但在相应的 RDF
如果你创建一个单词表,我正在编写代码。它包含一个“单词”和一个“描述”。单词和描述有自己的 vector 。我也在尝试使用 map 进行同样的尝试。 在我尝试查找单词之前,该程序运行良好。该程序只会从
我正在基于 TF-IDF 向量空间模型进行文本分类。我只有不超过 3000 个样本。为了公平评估,我正在使用 5 折交叉评估分类器validation.但让我困惑的是,是否需要在每次fold cros
我是一名优秀的程序员,十分优秀!