摘要: 本章节的目的是 【明确目标用户群】 ,以更好的服务现有用户。 【知识点】 1.作图 显示中文 ` plt.rcParams['font.sans serif'] = ['SimHei'] 步骤一(替换sans serif字体) plt.rcParams['axes.unicode_minus'] = 阅读全文
posted @ 2018-08-26 15:21 CVlas 阅读(172) 评论(0) 推荐(0) 编辑
摘要: 读取数据 .dataframe tbody tr th:only of type { vertical align: middle; } .dataframe tbody tr th { vertical align: top; } .dataframe thead th { text align: 阅读全文
posted @ 2018-08-24 12:22 CVlas 阅读(229) 评论(0) 推荐(0) 编辑
摘要: How to Write a Spelling Corrector作者利用飞行的时间写了一个小代码,实现单词拼写检查功能,基本原理仍是朴素贝叶斯原理。代码仅仅20多行,精湛强大,值得学习。至于朴素贝叶斯算法,作者作了简单的介绍。(下面代码是注释了的,很详细,借鉴凉茶方... 阅读全文
posted @ 2018-07-26 17:45 CVlas 阅读(1097) 评论(0) 推荐(0) 编辑
摘要: 朴素贝叶斯是经典的机器学习算法之一,也是为数不多的基于概率论的分类算法。朴素贝叶斯原理简单,也很容易实现,多用于文本分类,比如垃圾邮件过滤。 1.算法思想——基于概率的预测 逻辑回归通过拟合曲线(或者学习超平面)实现分类,决策树通过寻找最佳划分特征进而学习样本路径实现分类,支持向量机通过寻找分类超平 阅读全文
posted @ 2018-07-26 15:39 CVlas 阅读(3818) 评论(0) 推荐(0) 编辑
摘要: 朴素贝叶斯是经典的机器学习算法之一,也是为数不多的基于概率论的分类算法。朴素贝叶斯原理简单,也很容易实现,多用于文本分类,比如垃圾邮件过滤。1.算法思想——基于概率的预测逻辑回归通过拟合曲线(或者学习超平面)实现分类,决策树通过寻找最佳划分特征进而学习样本路径实现分类... 阅读全文
posted @ 2018-07-26 14:52 CVlas 阅读(276) 评论(0) 推荐(0) 编辑
摘要: 朴素贝叶斯(Naive Bayes)= Naive + Bayes 。(特征条件独立 + Bayes定理)的实现。零、贝叶斯定理(Bayes' theorem)所谓的贝叶斯方法源于他生前为解决一个“逆概”问题写的一篇文章,而这篇文章是在他死后才由他的一位朋友发表出来... 阅读全文
posted @ 2018-07-26 14:02 CVlas 阅读(915) 评论(0) 推荐(0) 编辑