暨南大學(xué)并行計算實驗室mapreduce研究現(xiàn)狀(編輯修改稿)
2025-06-17 19:20 本頁面
【文章內(nèi)容簡介】 文本數(shù)據(jù)挖掘 ? 分布式分詞 ? 分布式向量空間模型 ? 距離度量 ? 語料 ?搜狗新聞 ?20 news group ?wikipedia ? 前提： 假定一個屬性值對分類的影響?yīng)毩⒂谄渌麑傩缘闹?。（類條件獨立） ? 樸素貝葉斯分類工作過程 1. 每個數(shù)據(jù)樣本用一個 n維特征向量 表示，分別描述對 n個屬性 樣本的 n個度量 2. 假設(shè)有 m個類 。給定一個未知的數(shù)據(jù)樣本 X，分類法將預(yù)測具有最高后驗概率（條件 X下）的類。即是找最大化的 。根據(jù)貝葉斯定理有 ? ?nxxxX , ,21 ??nAAA , 21 ?mCCC ?, 21)|( XCP i? ? ? ?? ?XPCPCXPXCP iii|)|( ?樸素貝葉斯分類 3. P(X)對所有類為常數(shù)，最大化 ，對 的考慮分析：等概率，或 4. 類條件獨立的樸素假定： ， （ k = 1， 2， n）可以由訓(xùn)練樣本估值 5. 是分類屬性，則根據(jù)樣本估值 6. 是連續(xù)值屬性，則通常假定其服從高斯分布，因而
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1