R语言应用实战系列-朴素贝叶斯算法以及ROC和PR曲线

Posted 文宇肃然

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了R语言应用实战系列-朴素贝叶斯算法以及ROC和PR曲线相关的知识,希望对你有一定的参考价值。

前言

朴素贝叶斯(Naviebayes)的原理很简单:对于给出的待分类项,求解在此项出现的条件下各个类别出现的概率,哪个最大,就认为该代分项属于哪个类别?

以下是我为大家准备的几个精品专栏,喜欢的小伙伴可自行订阅,你的支持就是我不断更新的动力哟!

MATLAB-30天带你从入门到精通

MATLAB深入理解高级教程(附源码)

tableau可视化数据分析高级教程

第一阶段:准备工作阶段。这个阶段的任务为朴素贝叶斯分类做必要的准备。主要工作是根据具体情况确定特征属性,并对每个特征属性进行适当划分,然后由人工对部分待分选项进行分类,形成训练样本集合。这一阶段是整个朴素贝叶斯分类中唯一需要人工完成的阶段,其质量对整个过程产生重要影响。

第二阶段:分类器训练阶段。这个阶段的任务是生成分类器,主要工作是计算每个类别在训练样本中出现的概率以及每个特征属性划分对每个类别的条件概率估计,并将结果记录。其输入是特征属性和训练样本,输出是分类器。分类的质量很大程度上由特征属性,特征属性划分以及训练样本质量决定。这一阶段是机械性阶段,可以有

以上是关于R语言应用实战系列-朴素贝叶斯算法以及ROC和PR曲线的主要内容,如果未能解决你的问题,请参考以下文章

机器学习算法的R语言实现:朴素贝叶斯分类器

NLP实战系列朴素贝叶斯文本分类实战

《机器学习实战》基于朴素贝叶斯分类算法构建文本分类器的Python实现

R语言:朴素贝叶斯算法实现对中文垃圾邮件的分类

ROC曲线应用于朴素贝叶斯分类器python的理解

实战:朴素贝叶斯对文档进行分类