下載本文檔
版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
樸素貝葉斯分類--多項(xiàng)式模型1.多項(xiàng)式模型簡(jiǎn)介樸素貝葉斯分類器是一種有監(jiān)督學(xué)習(xí),針對(duì)文本分類常見有兩種模型,多項(xiàng)式模型(詞頻型)和伯努利模型(文檔型)。多項(xiàng)式模型以單詞為粒度,伯努利模型以文件為粒度。對(duì)于一個(gè)文檔A,多項(xiàng)式模型中,只有在A中出現(xiàn)過(guò)的單詞,才會(huì)參與后驗(yàn)概率計(jì)算。2.多項(xiàng)式模型基本原理及實(shí)例2.1基本原理已知類別c={“c2,c3,…,CJ與文檔集合D={D“2,…設(shè)某一文檔£的詞向量為£={片1,d.2,…片1}(可重復(fù))設(shè)訓(xùn)練文檔中出現(xiàn)的單詞(單詞出現(xiàn)多次,只算一次)即語(yǔ)料庫(kù)為V對(duì)于待分類文檔A={X1,碼廠肌}'則有:1)計(jì)算文檔類別的先驗(yàn)概率PC=DjWc'Dj'丄i(£p(c.)則可以認(rèn)為是類別q在整體上占多大比例(有多大可能性)。某單詞d門在類別C,下的條件概率Jlj1P(%(q—%+1p(%(q可以看作是單詞%在證明£屬于類q上提供了多大的證據(jù)。對(duì)于待分類文檔A被判為類C』勺概率假設(shè)文檔A中的詞即%碼,…化相互獨(dú)立,則有PC.nAPapAC.i—iiPA~_PA—pqpAi,a2,-a.c.P~APCPACPAC-PACi1i2imiPA對(duì)于同一文檔PA—定,因此只需計(jì)算分子的值。多項(xiàng)式模型基于以上三步,最終以第三步中計(jì)算出的后驗(yàn)概率最大者為文檔A所屬類別。2.2實(shí)例給定一組分好類的文本訓(xùn)練數(shù)據(jù),如下:docIDdoc類別(yesno)1ChineseBeijingChineseyes2ChineseChineseShanghaiyes3ChineseMacaoyes4TokyoJapanChineseno給定一個(gè)新樣本A,對(duì)其進(jìn)行分類。該文本詞向量表示為A={Chinese,Chinese,Chinese,Tokyo,Japan},類另U集合為C二{yes,no}.解題步驟:類yes下總共有8個(gè)單詞,類no下總共有3個(gè)單詞,訓(xùn)練樣本單詞總數(shù)為V=11,因此P(yes)=8/11,P(no)=3/11。類條件概率計(jì)算如下:P(Chinese|yes)=(5+1)/(8+6)=6/14=3/7P(Japan|yes)=P(Tokyo|yes)=(0+1)/(8+6)=1/14P(Chinese|no)=(1+1)/(3+6)=2/9P(Japan|no)=P(Tokyo|no)=(1+1)/(3+6)=2/9分母中的8,是指yes類別下單詞(可重復(fù)記)的長(zhǎng)度,也即訓(xùn)練樣本的單詞總數(shù),6是指訓(xùn)練樣本有Chinese,Beijing,Shanghai,Macao,Tokyo,Japan共6個(gè)單詞,3是指no類下共有3個(gè)單詞。有了以上類條件概率,開始計(jì)算后驗(yàn)概率:P(yes|A)=(3/7)3x(1/14)x(1/14)x(8/11)=216/739508=0.00029209P(no|A)=(2/9)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 魯教版八年級(jí)數(shù)學(xué)上冊(cè)第三章數(shù)據(jù)的分析素養(yǎng)綜合檢測(cè)課件
- 14 回憶我的母親 課件人教版2024七年級(jí)語(yǔ)文上冊(cè)
- 牛津譯林七年級(jí)語(yǔ)法總結(jié)
- 企業(yè)倫理學(xué)(原書第5版) 課件 第9章 環(huán)境與企業(yè)的可持續(xù)發(fā)展
- 山東省菏澤市2024-2025學(xué)年高三上學(xué)期期中考試 化學(xué) 含解析
- 部編版小學(xué)語(yǔ)文五年級(jí)上冊(cè)18課《慈母情深》反復(fù)修辭手法的認(rèn)識(shí)和好處
- 【核心素養(yǎng)】部編版小學(xué)語(yǔ)文一年級(jí)上冊(cè)-第5單元主題閱讀(含答案)
- 云南省文山壯族苗族自治州富寧上海新紀(jì)元外國(guó)語(yǔ)學(xué)校2024-2025學(xué)年高二上學(xué)期期中考試地理試題(無(wú)答案)
- 八年級(jí)生物期中模擬卷(考試版A4)【測(cè)試范圍:第1-4章】
- 茶道基礎(chǔ)知識(shí)題庫(kù)單選題100道及答案解析
- 2024年普法學(xué)法知識(shí)競(jìng)賽題庫(kù)含答案(黃金題型)
- 國(guó)家發(fā)展和改革委員會(huì)營(yíng)商環(huán)境發(fā)展促進(jìn)中心面向應(yīng)屆畢業(yè)生公開招考3名工作人員高頻考題難、易錯(cuò)點(diǎn)模擬試題(共500題)附帶答案詳解
- 主題公園運(yùn)營(yíng)方案
- 化學(xué)-浙江省寧波市2023-2024學(xué)年高三上學(xué)期選考模擬考試(寧波一模)試題和答案
- JJF 2104-2024 海水溶解氧測(cè)量?jī)x校準(zhǔn)規(guī)范
- 行政事業(yè)單位會(huì)計(jì)實(shí)務(wù)課件:固定資產(chǎn)
- 一年級(jí)安全飲食
- 《做游戲守規(guī)則》課件
- 制藥用水的質(zhì)量控制
- 房地產(chǎn)企業(yè)輿情應(yīng)急預(yù)案
- 《小學(xué)生食品安全教育班會(huì)》課件(三套)
評(píng)論
0/150
提交評(píng)論