chen_mushi的博客

查准率P、查全率R和F1概念：混淆矩阵：预测值为正例，记为P（Positive）预测值为反例，记为N（Negative）预测值与真实值相同，记为T（True）预测值与真实值相反，记为F（False）TP：预测类别是P（正例），真实类别也是PFP：预测类别是P，真实类别是N（反例）TN：预测类别是N，真实类别也是NFN：预测类别是N，真实类别是P样本中的真实正例类别总数即TP+...

在进行利用朴素贝叶斯模型进行文本分类之前，先介绍一下朴素贝叶斯原理！需要搞清楚的概念：1.贝叶斯模型是指模型参数的推断用的是贝叶斯估计方法，也就是需要指定先验分布，再求取后验分布。2.贝叶斯分类是一类算法的总称，这类算法均以贝叶斯定理为基础，故统称贝叶斯分类。我们称之为“朴素”，是因为整个形式化过程只做原始、简单的假设。1.朴素贝叶斯定理：条件贝叶斯公式：p(Ci | x,y)=p(x...

本文对SVM进行一个很好的介绍，虽然很长，但是认真看完，对SVM会有很深刻的理解，十分佩服作者！转自：http://www.blogjava.net/zhenandaci/category/31868.html（一）SVM的简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优...