貝葉斯學習舉例--學習分類文本

“我感興趣的電子新聞稿”或“討論機器學習的萬維網頁”。在這兩種情況下，如果計算機可以精確地學習到目標概念，就可從大量在線文本文檔中自動過濾出最相關的文檔顯示給讀者。

這里描述了一個基于樸素貝葉斯分類器的文本分類的通用算法。

將要展示的樸素貝葉斯算法遵循以下的問題背景：

1、考慮實例空間X包含了所有的文本文檔（即任意長度的所有可能的單詞和標點符號串）。

2、給定某未知目標函數f(x) 的一組訓練樣例，f(x)的取值來自于某有限集合V。此任務是從訓練樣例中學習，以預測后續文本文檔的目標值。

作為示例，這里考慮的目標函數是：將文檔分類為對某人是否感興趣，使用目標值like 和dislike代表這兩類。

在應用樸素貝葉斯分類器時包含的兩個主要設計問題是：

1、首先要決定怎樣將任意文檔表示為屬性值的形式，

機器學習

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。