问题标签 [bayesian]

在我的应用程序（C#）中，我需要根据电子邮件的内容过滤电子邮件。如果电子邮件是双重选择，则需要将其发送到指定的电子邮件地址，如果它是普通电子邮件，我应该将其发送到另一个电子邮件地址。

我查看了进来的电子邮件，并列出了出现在双重选择电子邮件主题中的常用词（最多 10 - 20 个词）。对于收到的每封电子邮件，我检查了主题是否包含一些单词，以及它们是否超过 2-3 个，具体取决于主题长度，我决定这是一个选择加入。问题是这个基本版本不能很好地工作。

我阅读了有关垃圾邮件过滤器的信息（基本上我想做的是类似的。）在网上搜索了一些示例后，我发现了一些基于贝叶斯网络的示例。这个解决方案的问题是我需要提供很多我还没有的培训材料。

我如何在不需要大量培训材料的情况下根据内容+主题或仅主题过滤这些电子邮件？

编辑：我想在电子邮件服务器级别进行过滤。

想分析一个事件流，共享某些特征（一个共同的来源），并在给定的时间窗口内，最终关联这些多个事件并从中得出一些推论，最后启动一些动作。

我对复杂事件处理 (CEP) 的有限了解告诉我，它是此类事情的理想选择。然而，到目前为止，在我的研究中，我发现人们将其与规则引擎和贝叶斯分类器进行比较，有时还会使用它们的组合。

想知道有没有——

1. 要遵循的一些最佳实践（理想情况下由性能数据和事件性质/类型的描述支持），尤其是在 Erlang 中？

2. Erlang 有自己的 CEP 框架吗？

3. Erlang 中有任何可用的贝叶斯分类器库吗？

来自 Java 世界的 Esper 似乎与我想做的事情非常接近，但如果可能的话，我更愿意保留我的环境仅 Erlang（或仅 Erlang 和 C/C++）。

指点、建议、指导——欢迎大家。

谢谢，

我知道了

我开始研究应用于计算机视觉和情感计算的机器学习和贝叶斯推理。

如果我理解正确的话，之间会有很大的讨论

• 经典 IA、本体论、语义网研究人员
• 和机器学习和贝叶斯人

我认为它通常被称为强人工智能与弱人工智能，也与功能心理学（大脑作为黑盒集）和认知心理学（心智理论，镜像神经元）等哲学问题相关，但这不是编程论坛的重点这个。

我想了解这两种观点之间的差异。理想情况下，答案将参考示例和学术论文，其中一种方法获得良好结果而另一种方法失败。我也对历史趋势感兴趣：为什么方法失宠，而新的方法开始兴起。例如，我知道贝叶斯推理在计算上是棘手的，在 NP 中存在问题，这就是为什么长期以来概率模型在信息技术世界中不受青睐的原因。然而，它们已经开始在计量经济学中崛起。

我想知道贝叶斯分类器是否适用于应用程序，其中相同的短语“冷盘”（例如）在关联某些事物（啤酒、苏打水）时是“好”，但在与其他事物相关时是“坏”（牛排、比萨饼，汉堡）？

我想知道的是，如果训练一个贝叶斯分类器（“啤酒冷”和“苏打冷”是“好”）会取消训练它“牛排冷”和“汉堡冷”是“坏”）。

或者，是否可以（正确地）训练贝叶斯“冷食”可能是“好”或“坏”，这取决于它与什么相关联？

我在这里和其他地方发现了很多关于贝叶斯的好信息，但无法确定它是否适合这种类型的应用程序，其中一个短语的好坏答案是“取决于”？

我正在使用ruby​​ 分类器 gem，它的分类方法返回根据训练模型分类的给定字符串的分数。

分数是百分比吗？如果是这样，最大差异是 100 分吗？

我目前正在使用 Python 包Orange对大量数据进行一些分类测试。我主要使用朴素贝叶斯方法，并且我从其他应用程序中知道能够分发到多个节点进行计算。不幸的是，Orange 似乎没有能力使用多台计算机或内核。

有人在集群环境中使用过 Orange 吗？还是在多核计算机上？

任何的意见都将会有帮助..

问候

我正在考虑向TalkingPuffin Twitter 客户端添加一个功能，在对用户进行一些培训后，它可以根据预测值对传入的推文进行排名。Java 虚拟机（首选 Scala 或 Java）有哪些解决方案来执行此类操作？

据说不同的算法有不同的参数。我真的不认为这是真的，比如说如果它是一个树决策算法和朴素贝叶斯算法，每个的参数是什么？谁能给我一个例子。。

如果是这种情况，那么对将要使用决策树算法运行的数据进行 5 折交叉验证与贝叶斯算法不同吗？

同样对于参数优化，我将进行 5 折交叉验证。有没有办法自动执行此操作以使用 weka 确定参数的设置值键？

假设我有一堆我想要标记、分类等的文章（数千篇）。理想情况下，我想通过手动分类/标记几百来训练一些东西，然后放开它。

你会推荐哪些资源（书籍、博客、语言）来完成这样的任务？我的一部分认为这将非常适合贝叶斯分类器甚至潜在语义分析，但除了我从一些红宝石中发现的内容外，我对任何一个都不太 熟悉。

贝叶斯分类器可以解决这样的问题吗？我应该更多地关注语义分析/自然语言处理吗？或者，我应该只是从那里寻找关键字密度和映射吗？

任何建议表示赞赏（如果需要的话，我不介意拿起几本书）！

我xtrain matrix用2 features和2000 rows作为训练对数据进行分类，所以维度是2， μ 是 2 元素向量， Σ 是协方差矩阵 2x2：

mu = 0.3486 0.8327

我正在做类似的事情：

然后计算：

问题是如何用 a 测试分类器的结果xtest matrix？

例子）mvnpdf(X,Mean,Cov)

X <=我们要分类的数据
Mean<= 创建时已知
Cov<= 创建时已知

对每个类的数据计算pdfgauss and multiply by Prior(w)进行分类并选择一个显示最大值的类

要使用这些函数 pdfgauss 使用一些东西来计算距离 dist = mahalan(X,Mean(:,i),Cov(:,:,i));

• 我如何完成这个分类？

pdfgauss.m