注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 机器学习西瓜分类贝叶斯算法实例详解

  2. 机器学习-贝叶斯-西瓜分类 对代码的每一行进行了注解，适合初学者使用，主要代码来源是百度ai社区，只是对其进行了注解

  3. 所属分类：Python

    • 发布日期：2020-10-17
    • 文件大小：642048
    • 提供者：qq_41261758

  1. 贝叶斯优化全套代码—改-添加使用教程

  2. 贝叶斯优化是机器学习中一部分，由于网格搜索法效果不好，才选择贝叶斯优化，涉及到参数寻优的都可以用此方法，效率高并且有效性强。

  3. 所属分类：机器学习

    • 发布日期：2020-10-29
    • 文件大小：18432
    • 提供者：qq_38597069

  1. 神经网络算法之贝叶斯分类器

  2. 资源包含贝叶斯分类器学习报告、实验报告、matlab代码程序，供机器学习初学者学习使用。以身高或者体重数据作为特征，在正态分布假设下利用贝叶斯估计法估计分布密度参数，建立最小错误率Bayes分类器。

  3. 所属分类：机器学习

    • 发布日期：2020-11-29
    • 文件大小：99328
    • 提供者：weixin_43048780

  1. 机器学习实战(第四章-朴素贝叶斯-所有代码与详细注解及相关数据文件-python3.7)

  2. 机器学习实战(第四章-朴素贝叶斯-所有代码与详细注解及相关数据文件-python3.7) 机器学习实战(第四章-朴素贝叶斯-所有代码与详细注解及相关数据文件-python3.7)

  3. 所属分类：机器学习

    • 发布日期：2020-12-09
    • 文件大小：55296
    • 提供者：m0_37738114

  1. Python实现的朴素贝叶斯算法经典示例【测试可用】

  2. 本文实例讲述了Python实现的朴素贝叶斯算法。分享给大家供大家参考，具体如下： 代码主要参考机器学习实战那本书，发现最近老外的书确实比中国人写的好，由浅入深，代码通俗易懂，不多说上代码： #encoding:utf-8 ''''' Created on 2015年9月6日 author: ZHOUMEIXU204 朴素贝叶斯实现过程 ''' #在该算法中类标签为1和0，如果是多标签稍微改动代码既可 import numpy as np path=u"D:\\Users\\zhoumeixu2

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：72704
    • 提供者：weixin_38752282

  1. python机器学习之贝叶斯分类

  2. 一、贝叶斯分类介绍 贝叶斯分类器是一个统计分类器。它们能够预测类别所属的概率，如：一个数据对象属于某个类别的概率。贝叶斯分类器是基于贝叶斯定理而构造出来的。对分类方法进行比较的有关研究结果表明：简单贝叶斯分类器（称为基本贝叶斯分类器）在分类性能上与决策树和神经网络都是可比的。在处理大规模数据库时，贝叶斯分类器已表现出较高的分类准确性和运算性能。基本贝叶斯分类器假设一个指定类别中各属性的取值是相互独立的。这一假设也被称为：类别条件独立，它可以帮助有效减少在构造贝叶斯分类器时所需要进行的计算。 二、

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：196608
    • 提供者：weixin_38565628

  1. 用Python从零实现贝叶斯分类器的机器学习的教程

  2. 朴素贝叶斯算法简单高效，在处理分类问题上，是应该首先考虑的方法之一。 通过本教程，你将学到朴素贝叶斯算法的原理和Python版本的逐步实现。 更新：查看后续的关于朴素贝叶斯使用技巧的文章“Better Naive Bayes: 12 Tips To Get The Most From The Naive Bayes Algorithm” 朴素贝叶斯分类器，Matt Buck保留部分版权 关于朴素贝叶斯 朴素贝叶斯算法是一个直观的方法，使用每个属性归属于某个类的概率来做预测。你可以使用这种监督性学

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：177152
    • 提供者：weixin_38741075

  1. 机器学习实战之朴素贝叶斯（二）文本分类

  2. 朴素贝叶斯（二）文本分类朴素贝叶斯的一般流程用python进行文本分类准备数据：从文本中构建词向量训练算法：从词向量计算概率测试算法：朴素贝叶斯分类函数文档词袋模型 朴素贝叶斯的一般流程 （1）收集数据：任何方法 （2）准备数据：数值型、布尔型 （3）分析数据：特征多，用直方图效果好 （4）训练算法：计算不同的独立特征的多条件概率 （5）测试算法：计算错误率 （6）使用算法：一般应用于文档分类，也可以在任意分类场景 用python进行文本分类 以在线社区留言板为例，构建快速过滤器，判断是否是侮辱

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：50176
    • 提供者：weixin_38705723

  1. PHP实现机器学习之朴素贝叶斯算法详解

  2. 本文实例讲述了PHP实现机器学习之朴素贝叶斯算法。分享给大家供大家参考，具体如下： 机器学习已经在我们的生活中变得随处可见了。比如从你在家的时候温控器开始工作到智能汽车以及我们口袋中的智能手机。机器学习看上去已经无处不在并且是一个非常值得探索的领域。但是什么是机器学习呢？通常来说，机器学习就是让系统不断的学习并且对新的问题进行预测。从简单的预测购物商品到复杂的数字助理预测。 在这篇文章我将会使用朴素贝叶斯算法Clasifier作为一个类来介绍。这是一个简单易于实施的算法，并且可给出满意的结果。但

  3. 所属分类：其它

    • 发布日期：2020-12-19
    • 文件大小：90112
    • 提供者：weixin_38736529

  1. 机器学习：伯努利朴素贝叶斯分类器（原理+python实现）

  2. 伯努利朴素贝叶斯分类器主要用于文本分类，下面我们以一个具体的例子，来讲述下伯努利朴素贝叶斯的原理和实现逻辑。 具体例子： 已知我们有八个句子以及每个句子对应的类别，即中性或侮辱性。那么再给出一个句子，我们来判断该句子是中性还是侮辱性，即计算该句子是中性的概率大还是侮辱性的概率大，概率大的类别即为我们判断的类别。 首先要把句子进行处理，即把句子分解成拥有多个单词的单词组，句子对应的单词组以及类别如下所示： def loadDataSet(): postingList = [['my', '

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：67584
    • 提供者：weixin_38746926

  1. 跟着Leo机器学习实战–基于概率论的分类方法：朴素贝叶斯

  2. 跟着Leo机器学习实战–基于概率论的分类方法：朴素贝叶斯 github https://github.com/LeoLeos/MachineLearningLeo/tree/master/bayes 核心思想 如果我们用p1(x,y)表示数据(x,y)属于类别1的概率,用p2(x,y)表示数据(x,y)属于类别2的概率,那么判别规则如下: 若p1(x,y)>p2(x,y),则判给类别1 若p1(x,y)<p2(x,y),则判给类别2 条件概率 条件概率是指事件A在另外一个事件B已经发

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：222208
    • 提供者：weixin_38672807

  1. ml-knn-bayes:朴素贝叶斯和KNN分类器，机器学习-源码

  2. 朴素贝叶斯和KNN分类器，ML 使用KNN和朴素贝叶斯（Naive Bayes）作为算法从头构建分类器。 这些分类器的构造使用相同的算法，但是现在使用了Scikit-Learn实现。 评估和比较从头开始实施的内容与通过Scikit-Learn获得的内容之间的比较。 学习成功是通过对评估集上的分类器进行评估，经过验证阶段以获得最佳超参数并利用交叉验证来衡量的。 该项目的详细说明在实验室“ knn-bayes-lab”中。 合作者 塞巴斯蒂安·沃尔蒂（SebastiánVolti） 亚历杭德罗·

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：1048576
    • 提供者：weixin_42150360

  1. R语言与机器学习学习笔记（分类算法）（3）朴素贝叶斯算法-附件资源

  2. R语言与机器学习学习笔记（分类算法）（3）朴素贝叶斯算法-附件资源

  3. 所属分类：互联网

  1. 将专家判断纳入贝叶斯网络机器学习

  2. 将专家判断纳入贝叶斯网络机器学习

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：572416
    • 提供者：weixin_38532849

  1. 贝叶斯统计-源码

  2. 贝叶斯统计，课程大纲 日程 星期 日程 话题 讲师 1个 1个 计量经济学与ML 影音 2个 影音 2个 3 影音 4 内核方法 nvf 3 5 影音 6 nvf 4 7 影音 8 nvf 5 9 影音 10 nvf 由于这是我们第一次使用本书，因此我们需要积累一些有关每周合理阅读负荷的经验。 A van Vuuren（avv）的演讲着重于机器学习的理论方面 N van Foreest（nvf）的讲座着重于机器学习的计算方面（在python中实现） 课程目标 在

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：25600
    • 提供者：weixin_42117224

  1. R语言与机器学习学习笔记（分类算法）（3）朴素贝叶斯算法-附件资源

  2. R语言与机器学习学习笔记（分类算法）（3）朴素贝叶斯算法-附件资源

  3. 所属分类：互联网

  1. 支持向量学习机的贝叶斯群特征选择

  2. 事实证明，在许多机器学习和数据挖掘应用程序中，组特征选择（GFS）有助于提高学习型模型参数的可解释性和预测性能。现有的GFS模型主要基于平方损失和logistic损失进行回归分析和回归分析。进行分类，留下了由支持向量学习（SVL）机器普及的非敏感损失和铰链损失。 在本文中，我们提出了一种基于伪似然和数据增强思想的SVL机器的贝叶斯GFS框架。 利用贝叶斯推断，我们的方法可以规避正则化参数的交叉验证。 具体来说，我们在扩展空间中应用均值场变分方法来导出模型参数和超参数的后验分布，以进行贝叶斯估计。

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：448512
    • 提供者：weixin_38613154

  1. 自动化机器学习（AutoML）之自动贝叶斯调参

  2. 【导读】机器学习中，调参是一项繁琐但至关重要的任务，因为它很大程度上影响了算法的性能。手动调参十分耗时，网格和随机搜索不需要人力，但需要很长的运行时间。因此，诞生了许多自动调整超参数的方法。贝叶斯优化是一种用模型找到函数最小值方法，已经应用于机器学习问题中的超参数搜索，这种方法性能好，同时比随机搜索省时。此外，现在有许多Python库可以实现贝叶斯超参数调整。文章由贝叶斯优化方法、优化问题的四个部分、目标函数、域空间、优化过程、及结果展示几个部分组成。贝叶斯优化通过基于目标函数的过去评估结果建立

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：769024
    • 提供者：weixin_38632624

  1. 朴素贝叶斯-源码

  2. 朴素贝叶斯Python实现 在机器学习中，朴素贝叶斯分类器是一系列简单的“概率分类器”，它们基于贝叶斯定理，并在特征之间具有强烈的（朴素的）独立性假设。 它们是最简单的贝叶斯网络模型之一。[1] 但是它们可以与内核密度估计结合使用，并可以达到更高的准确度水平。 Python中的一个简单的术语频率朴素贝叶斯实现。 这是一个非常粗糙的实现，还有很多改进的余地。

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：2048
    • 提供者：weixin_42131424

  1. 灾难事件：通过Google Colab，结合朴素贝叶斯（NaïveBayes）和自然语言处理功能，我们将来自直接消息，社交发布和新闻报道的消息分类为灾难类别。 使用Tableau在表格中可视化趋势和预测结果-源码

  2. 结合使用朴素贝叶斯（NaïveBayes）的自然语言处理对传入的灾难消息进行分类： 概述： 通过Google Colab和朴素贝叶斯（NaïveBayes）使用自然语言处理，我们将来自直接消息，社交发布和新闻报道的消息分类为灾难类别。 使用Tableau在表格中可视化趋势和预测结果。 数据： 此数据集包含30,000条消息，这些消息是从灾难事件中提取的，包括地震，洪水，暴风雨，新闻报道，社交媒体和直接消息。 这些消息跨越了多年，发生了数百场不同的灾难。 数据已使用与灾难响应相关的36种不同类

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：9437184
    • 提供者：weixin_42166261
« 1 2 3 4 56 7 8 9 10 ... 28 »