Naive Bayes

最新推荐文章于 2025-11-26 15:49:07 发布
原创 最新推荐文章于 2025-11-26 15:49:07 发布 · 112 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

博客提及了Naive Bayes（朴素贝叶斯），朴素贝叶斯是信息技术领域中人工智能方向常用的算法。
Naive Bayes 朴素贝叶斯
isaacke
关注
机器学习算法: 朴素贝叶斯(Naive Bayes)
gangyikeji的博客
08-12 1463
¶朴素贝叶斯算法（Naive Bayes, NB) 是应用最为广泛的分类算法之一。它是基于贝叶斯定义和特征条件独立假设的分类器方法。由于朴素贝叶斯法基于贝叶斯公式计算得到，有着坚实的数学基础，以及稳定的分类效率。NB模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。当年的垃圾邮件分类都是基于朴素贝叶斯分类器识别的。什么是条件概率，我们从一个摸球的例子来理解。我们有两个桶：灰色桶和绿色桶，一共有7个小球，4个蓝色3个紫色，分布如下图：从这7个球中，随机选择1个球是紫色的概率p是多少？先选择桶。
Spark MLlib模型训练—分类算法Naive Bayes
2401_84052244的博客
08-26 3844
Spark 的 Naive Bayes 分类器为多分类任务提供了一个简洁高效的解决方案，尤其在文本分类和推荐系统中表现突出。尽管特征独立性的假设限制了其在某些复杂任务中的表现，但通过适当的数据预处理和模型调优，Naive Bayes 在实际应用中依然是一个强有力的工具。在大规模数据集上，利用 Spark 的分布式计算能力，Naive Bayes 分类器可以在保证效率的同时提供可靠的分类结果。
Naive Bayes Classifier
L-李俊漩的博客
10-21 1549
Naive Bayes
naive bayes java_Naive Bayes（朴素贝叶斯）
weixin_42238594的博客
02-28 193
Naive BayesBayes' theorem(贝叶斯法则)在概率论和统计学中，Bayes' theorem(贝叶斯法则)根据事件的先验知识描述事件的概率。贝叶斯法则表达式如下所示：$$\begin{align}P(A|B)=\frac{P(B|A)P(A)}{P(B)}\end{align}$$P(A|B) -- 在事件B下事件A发生的条件概率P(B|A) -- 在事件A下事件B发生的条件概...
matlab naivebayes,how to use the NaiveBayes.fit for classification in matlab?
weixin_27573409的博客
03-21 609
for i=1 :100load('datas3.mat');data=datas3;[n,m]=size(data);rows=(1:n);testcount=floor((0.2)*n);acc1=0; SenAr=0; SpeAr=0; MCCAr=0;kk=10;for k=1: kktest_rows=randsample(rows,testcount);train_rows=setd...
8.机器学习-十大算法之一朴素贝叶斯(Naive Bayes)算法原理讲解
热门推荐
weixin_50804299的博客
04-30 3万+
机器学习中的十大算法之一的朴素贝叶斯（Naive Bayes）算法，是一种基于贝叶斯定理和特征条件独立假设的分类方法。其核心原理在于利用贝叶斯定理计算给定数据样本下各类别的后验概率，并选择具有最高后验概率的类别作为该样本的预测类别。朴素贝叶斯算法假设特征之间是相互独立的，这一假设虽然简化了计算，但也可能影响分类的准确性。由于其简单易懂、学习效率高，朴素贝叶斯算法在实际应用中仍然被广泛使用，特别是在文本分类、垃圾邮件过滤等领域取得了显著的效果。以山河作礼。
naive bayes java_Naive Bayes 朴素贝叶斯的JAVA代码实现
weixin_42346710的博客
02-13 228
1.关于贝叶斯分类算法bayes 是一种统计学分类方法，它基于贝叶斯定理，它假定一个属性值对给定类的影响独立于其它属性点的值。该假定称做类条件独立。作次假定是为了简化所需计算，并在此意义下称为“朴素的”。数组bayes分类的算法大体以下：ide(1)对于属性值是离散的，而且目标label值也是离散的状况下。分别计算label不一样取值的几率，以及样本在label状况下的几率值，而后将这些几率值相乘...
使用Naive Bayes进行文本分类
bitcarmanlee的博客
04-02 4288
1.Naive Bayes算法 朴素贝叶斯是一个简单但是十分高效的算法，在处理不是特别复杂的文本分类问题时，准确率相当不错，而且速度很快。像经典的垃圾邮件判别就是朴素贝叶斯算法的一个成功案例。 简单复习一下Bayes的原理： Bayes公式: P(AB)=P(A∣B)P(B)=P(B∣A)P(A)P(AB) = P(A|B)P(B) = P(B|A)P(A)P(AB)=P(A∣B)P(B)=P(B∣A)P(A) P(A∣B)=P(B∣A)P(A)P(B)P(A|B) = \frac{P(B|A)P(A)}{
朴素贝叶斯 (Naive Bayes)
m0_60388871的博客
09-12 1510
朴素贝叶斯算法尽管假设特征独立，但在许多实际应用中表现良好。其简洁、有效的特性在文本分类、垃圾邮件过滤和推荐系统等多个领域中得到广泛应用。
机器学习——Naive Bayes算法
m0_45085885的博客
05-09 522
文章目录一、符号型数据的Naive Bayes算法1.例子数据集2. 基础理论2.1 条件概率2.2 独立性假设2.3 Laplacian 平滑二、数值型数据的Naive Bayes算法1.例子数据集三、实现代码 学习来源：NB 算法 (包括符号型与数值型, 结合 Java 程序分析) 日撸 Java 三百行（51-60天，kNN 与 NB） 前言：Naive Bayes 是一个经典的、有代表性的分类算法. Naive 的 i 上面应该是两个点, 它读作 “哪义乌”, 表示很傻瓜很天真. 一、符号型数据的N
Naive Bayes Classifier_NavieBayes_naivebayes_
09-29
**朴素贝叶斯分类器（Naive Bayes Classifier）** 朴素贝叶斯分类器是一种基于概率理论的机器学习算法，其核心思想是利用贝叶斯定理进行预测。该算法假设特征之间相互独立，这也是“朴素”一词的由来。尽管在现实...
精选资源
naive-bayes:Naive Bayes基本实现以及分布式实现
06-27
Naive Bayes的基本实现以及分布式实现 基于Java实现。 项目内容 项目简介 项目起因 本项目主要实现大规模文本分类，提供快速高效的情感分析框架。 项目框架 simple： 单线程、单机器的Navie Bayes算法的实现。 ...
精选资源
基于K-means和naive Bayes的数据库用户行为异常检测研究
04-30
针对数据库用户行为异常导致数据库泄露问题，提出了一种基于K-means和naive Bayes算法的数据库用户异常检测方法。首先，利用数据库历史审计日志中用户的查询语句与查询结果，采用K-means聚类方法得到用户的分组；...
基于学习的人工智能（1）为什么学习？
致力于大数据+AI 的应用创新。
11-24 271
学习是人类最重要的认知活动之一，贯穿我们的一生。出生后，我们无时无刻不在学习：从父母那里学说话，自己尝试走路，从小伙伴那里学会折纸飞机，从老师那里学到语文、数学等各种知识。研究人员始终将光源和风扇放在同一侧，经由学习，玉米幼苗逐渐学会了“有风的地方就会有光”的规律。之后，研究人员移去光源，并改变风扇方向，玉米幼苗依然按照所学知识，向风扇方向生长。1959 年，美国计算机学家亚瑟·塞缪尔设计了一款可以自我学习的跳棋程序，并将这一新方法称为“机器学习”，从而开启了机器自我学习的道路。
三大空间信息焕新：辉视让酒店服务、教育通知、监所管控更智能高效
CalebLXL的博客
11-24 733
走访这些场所后我发现，系统的真正价值不在于那些炫目的屏幕，而在于它构建了一套"空间信息免疫系统"——就像人体淋巴网络般，能智能识别各区域的信息需求，精准输送"营养"，快速清除"毒素"。当我们在酒店大堂不再错过末班机场大巴，在学校走廊偶遇恰好需要的竞赛通知，甚至在高墙内获得规整的信息权时，或许该重新思考：所谓智能化，本质是对空间信息代谢效率的一次外科手术式改造。这种荒诞的割裂感，正是传统信息分发模式崩溃的缩影——直到我最近走访数家采用辉视系统的场所，才意识到我们早已进入"精准信息触达"的新纪元。
（116页PPT）关于5G和新基建赋能智慧工地整体解决方案（附下载方式）
2501_92808811的博客
11-25 453
在整体架构方面，方案以“5G智慧工地平台”为核心，依托多类感知设备（如传感器、摄像头、AI眼镜、智能安全帽等）采集数据，通过5G网络实时回传至云平台，再借助大数据、云计算、人工智能等技术进行分析处理，最终在PC、手机、监控大屏等多终端进行可视化展示。此外，文件还详细列举了传统智慧工地子系统（如深基坑监测、升降机监控、扬尘噪音监测、智能水电计量等）的功能与部署方式，并补充了如5G企业专网、实测机器人、智慧科技体验中心等延伸应用，体现出方案的系统性与前瞻性。详细资料请看本解读文章的最后内容。
信息检索13
最新发布
2301_80828873的博客
11-26 915
最近邻检索的方法，PQ，IVF,HNSW
RAG 的诞生：为了让 AI 不再“乱编”
weixin_44876263的博客
11-24 678
RAG全称，中文为“检索增强生成”。其核心思想是：在生成答案时，不仅依赖大模型内部的训练知识，还能够实时访问外部知识库或文档，从而生成更加准确和可靠的内容。就像一个学生回答问题，不仅依靠自己记忆，还会去图书馆查资料，然后结合记忆和查到的资料回答问题。你问模型：“请告诉我最新的新能源补贴政策。纯模型可能只靠训练记忆，回答的是过时或模糊的信息。RAG 模型会先去查最新政策文件，再结合训练知识生成答案，因此更准确。检索资料：先找到相关文档或信息。结合生成：把找到的资料和问题一起输入模型，让模型生成答案。
【LoRA（低秩适应）技术详解：原理、公式与实践】
m0_46882548的博客
11-26 695
参数高效：可训练参数量通常仅为全量微调的0.01% - 3%，极大降低了计算和存储成本。内存友好：由于大部分原始权重被冻结，无需存储其优化器状态，显著减少了训练时的显存占用。无推理延迟：训练后可将LoRA权重合并回原模型，推理速度与原始模型一致。模块化与灵活性：一个基础模型可以搭配多个针对不同任务的、体积很小（几兆字节）的LoRA适配器，轻松切换任务。减轻灾难性遗忘：因为原始权重基本不动，模型在适应新任务时更不容易遗忘预训练时获得的通用知识。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值