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(jiàn)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(mén)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(kāi)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(méi)有圖紙預(yù)覽就沒(méi)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
- 進(jìn)行性延髓麻痹病因介紹
- T-CIE 232-2024 液氣換熱型水冷板式間接液冷數(shù)據(jù)中心設(shè)計(jì)規(guī)范
- 中考地理總復(fù)習(xí)七下第七章了解地區(qū)第九課時(shí)教材知識(shí)梳理
- 呼吸道職業(yè)暴露
- (報(bào)批版)塑料造粒環(huán)評(píng)報(bào)告書(shū)
- 商務(wù)勵(lì)志工作報(bào)告匯報(bào)模板33
- 重慶2020-2024年中考英語(yǔ)5年真題回-教師版-專題01 語(yǔ)法選擇
- 云南省曲靖市沾益區(qū)2024-2025學(xué)年七年級(jí)9月月考道德與法治試題(解析版)-A4
- 2023年汽車電噴項(xiàng)目融資計(jì)劃書(shū)
- 2023年變壓器、整流器和電感器項(xiàng)目融資計(jì)劃書(shū)
- 標(biāo)準(zhǔn)夫妻婚內(nèi)協(xié)議書(shū)模板
- 人教版三年級(jí)上冊(cè)道德與法治全冊(cè)知識(shí)點(diǎn) (復(fù)習(xí)資料)
- 2024年冰淇淋品類線上消費(fèi)與行業(yè)洞察分析報(bào)告
- 生產(chǎn)部門(mén)年度培訓(xùn)計(jì)劃表
- (完整版)新員工進(jìn)場(chǎng)三級(jí)安全教育考核-試卷及答案
- 一年級(jí)100以內(nèi)加減法口算題(1000道)(A4直接打印)
- 商業(yè)銀行中小企業(yè)信貸風(fēng)險(xiǎn)管理研究-以華夏銀行為例
- 高空墜物致人損害侵權(quán)責(zé)任分擔(dān)問(wèn)題研究
- 小兒腹痛臨床診療思路 課件
- 國(guó)家正規(guī)合同協(xié)議書(shū)
- DL∕T 5767-2018 電網(wǎng)技術(shù)改造工程工程量清單計(jì)價(jià)規(guī)范
評(píng)論
0/150
提交評(píng)論