naivebayes樸素貝葉斯文本分類.ppt_第1頁
naivebayes樸素貝葉斯文本分類.ppt_第2頁
naivebayes樸素貝葉斯文本分類.ppt_第3頁
naivebayes樸素貝葉斯文本分類.ppt_第4頁
naivebayes樸素貝葉斯文本分類.ppt_第5頁
已閱讀5頁，還剩2頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

naive貝葉斯文本分類,魏源 計科十班,樸素貝葉斯具有容易實現(xiàn)，運行速度快的特點，被廣泛使用,樸素貝葉斯算法簡介,在分類（classification）問題中，常常需要把一個事物分到某個類別。一個事物具有很多屬性，把它的眾多屬性看做一個向量，即x=(x1,x2,x3,xn)，用x這個向量來代表這個事物。 有類別集合 y=（y1,y2,y3,yn） 分別計算 p(y1|x) p(y2|x) p(y3|x) p(yn|x), 如果p(yk|x) =max p(y1|x) p(y2|x) p(y3|x) p(yn|x) , x就屬于yk類。,如何計算 p(yk|x) 方法：運用貝葉斯公式 p(yk|x)=p(x|yK)*p(yk)/p(x) 在之前已介紹x=(x1,x2,x3,xn)，樸素貝葉斯假設(shè) x1,x2,x3,xn 是相互獨立的(樸素貝葉斯存在的bug) 則有 p( x | yk ) = p( x1,x2,x3,xn|yk ) = p( x1 | yk ) *p( x2 | yk ) . *p( xn | yk ) (1) (1)式中等式最右邊部分的各項是可以通過統(tǒng)計得到的， p(yk)和p(x)也是已知的，這樣我們就可以算出p(yk|x),現(xiàn)在開始進入本文的主旨部分：如何將貝葉斯分類器應(yīng)用到語義消歧文本分類上來。 1 在文本分類中，假設(shè)我們有一個文檔d 和一個固定的 類集合C=c1,c2,cj 2 我們把一堆打了標簽的文檔集合作為訓練樣本，比如 就是說文本 “hello world” 的類型標簽是computer 3 通過訓練樣本來得到一個映射函數(shù)，可以把文本x映射到類型ck中,計算映射函數(shù)的多項式模型 設(shè)某文檔d=(t1,t2,tk)，tk是該文檔中出現(xiàn)過的單詞 ，允許重復 先驗概率P(c)= 類c下單詞總數(shù)/整個訓練樣本的單詞總數(shù) 類條件概率P(tk|c)=(類c下單詞tk在各個文檔中出現(xiàn)過的次數(shù)之和+1)/ (類c下單詞總數(shù)+|V|) V是訓練樣本的單詞表（即抽取單詞，單詞出現(xiàn)多次，只算一個） |V|則表示訓練樣本包含多少種單詞。,演示文本分類 本程序通過事先從文檔輸入訓練集，產(chǎn)生一個條件概率矩陣，來指導之后的文本分類。在分類結(jié)果完成后，用戶可以選擇分類是否正確，如果分類正確，新輸入的結(jié)果會作為新的訓練加入訓練集（昨

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論