一種新型樸素貝葉斯文本分類算法
大?。?/span>0.37 MB 人氣： 2018-03-05 需要積分：1
標(biāo)簽：貝葉斯(12518)
針對在文本分類中先驗(yàn)概率的計算比較費(fèi)時而且對分類效果影響不大、后驗(yàn)概率的精度損失影響分類準(zhǔn)確率的現(xiàn)象，對經(jīng)典樸素貝葉斯分類算法進(jìn)行了改進(jìn)，提出了一種“先抑后揚(yáng)”（抑制先驗(yàn)概率的作用，擴(kuò)大后驗(yàn)概率的影響）的文本分類算法。算法中去掉了對先驗(yàn)概率的計算，并在后驗(yàn)概率的計算中引入了一個放大系數(shù)。實(shí)驗(yàn)結(jié)果表明，分類時不計算先驗(yàn)概率對分類精度影響甚微但可以明顯加快分類的速度，在后驗(yàn)概率的計算中引入放大系數(shù)減少了誤差傳播的影響，提高了分類精度。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種新型樸素貝葉斯文本分類算法下載
相關(guān)電子資料下載
- 3.GraphSAGE[9]：generalized aggregation方法 322
- 貝葉斯優(yōu)化是干什么的(原理解讀) 684
- 貝葉斯深度學(xué)習(xí)介紹 425
- 關(guān)于貝葉斯概念進(jìn)行形式化的建模和推理 319
- 貝葉斯網(wǎng)絡(luò)的因果關(guān)系檢測(Python) 572
- 什么是卡爾曼濾波？卡爾曼濾波過程步驟 1764
- 機(jī)器學(xué)習(xí)4個超參數(shù)調(diào)優(yōu)方法 403
- 機(jī)器學(xué)習(xí)theta是什么？機(jī)器學(xué)習(xí)tpe是什么？ 1418
- 什么是貝葉斯定理 實(shí)例詳解貝葉斯推理的原理 1775
- In-context learning如何工作？斯坦福學(xué)者用貝葉斯方法解開其奧秘 1176