首页 / 算法 / 3.朴素贝叶斯和KNN算法的推导和应用
3.朴素贝叶斯和KNN算法的推导和应用
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了3.朴素贝叶斯和KNN算法的推导和应用,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含2907字,纯文字阅读大概需要5分钟。
内容图文
![3.朴素贝叶斯和KNN算法的推导和应用](/upload/InfoBanner/zyjiaocheng/813/bc0e837f58da4c36b0200ce2108459c1.jpg)
前面一个博客我们用Scikit-Learn实现了中文文本分类的全过程,这篇博客,着重分析项目最核心的部分分类算法:朴素贝叶斯算法以及KNN算法的基本原理和简单python实现。
3.1 贝叶斯公式的推导
简单介绍一下什么是贝叶斯:
让我们从一个故事开始。
1 看着后视镜往前开车
想象这么一个场景,我开着车,经过笔直的大道,快速地往下一个路口驶去。我知道,到了下一个路口就要右转了。 这件事情很简单,我坐在驾驶室内,看到下一个路口,往右边打方向盘就好了:2 结合开车来理解贝叶斯公式
我们来看看贝叶斯公式是怎么写的:
3 贝叶斯定理与人脑
贝叶斯定理现在很多人在研究,就是因为不少人相信贝叶斯定理和人脑的工作机制很像(此处颇多争论,望自行判断),因此成为机器学习的基础。 比如,你和对方聊天的时候,如果对方说出“虽然”两个字,你大概就会猜测,对方后继九成的可能性会说出“但是”。我们的大脑看起来就好像是天生在用贝叶斯定理。 吴军博士在他的著作《数学之美》里面就提到了,最早的自然语言处理,比如翻译、语音识别,都是通过语法分析来进行的,就是把“主谓宾”分析清楚,然后处理,正确率惨不忍睹。 后来,google由自然语言处理专家贾里尼克领导的部门,通过统计、概率方法进行上述研究,正确率提高了很多。在书中也列举了贝叶斯定理是如何参与自然语言处理的。 书中还有一句业界广为流传的名言:![3.朴素贝叶斯和KNN算法的推导和应用 - 文章图片](/upload/getfiles/0001/2021/5/5/20210505035332935.jpg)
第(3)步的各个条件概率,我们可以按以下步骤计算:
?![3.朴素贝叶斯和KNN算法的推导和应用 - 文章图片](/upload/getfiles/0001/2021/5/5/20210505035333020.jpg)
?
内容总结
以上是互联网集市为您收集整理的3.朴素贝叶斯和KNN算法的推导和应用全部内容,希望文章能够帮你解决3.朴素贝叶斯和KNN算法的推导和应用所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。