问题标签 [naivebayes]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
machine-learning - 朴素贝叶斯分类器 - 准确性
我在 Weka 中对具有 15 个属性的 7000 个实例的数据集使用朴素贝叶斯分类器。使用 ZeroR 时，我的基线准确率为 87.5%。作为数据预处理的一部分，我用零均值和单位方差对数据集进行了归一化，应用过滤器来随机化数据集。我使用了训练（70%）和测试（30%）集，以及对整个数据集的 10 倍交叉验证，使用了监督离散化和属性选择，我得到的分类器的最佳准确率为 93.43%。这是对基线准确性的小改进吗？
machine-learning - 使用朴素贝叶斯分类器进行opinin挖掘
我正在将推文分类为正面或负面意见。我听说朴素贝叶斯分类器通常用于分类，我想为我的项目编写自己的朴素贝叶斯分类器。因为，我是数据挖掘的新手，而且朴素贝叶斯分类器无法理解什么以及如何使用朴素贝叶斯。谁能帮我解决？？
python - 如何训练大型数据集进行分类
我有一个包含 1600000 条推文的训练数据集。我该如何训练这种类型的海量数据。
我尝试过使用nltk.NaiveBayesClassifier. 如果我跑步，需要5天以上的时间来训练。
我应该怎么办？
我需要使用 SVM 和朴素贝叶斯对我的数据集进行分类。
我想使用的数据集：链接
样本（训练数据集）：
样本（测试数据集）：
如何有效地训练这个庞大的数据集？
java - 在 Java 中使用 WEKA 打印出预测
我正在尝试使用朴素贝叶斯分类器在 Java 中使用 Weka 进行预测，代码如下：
JAVA
火车
预测
在GUI预测输出中
如何使用 Java 获得此输出？我需要使用哪种方法来获得这个？
apache-spark - apache spark mllib naive bayes LabeledPoint 用法
我想使用 spark mllib naive bayes 来处理（训练和测试）这样的数据
男,疑酒,平日,12am-4am,75,30-39
这样我就可以测试标签男/女/未知。我想创建一个 LabeledPoint，以便可以针对 mllib 朴素贝叶斯算法运行此数据。spark站点上的示例
https://spark.apache.org/docs/1.0.0/mllib-naive-bayes.html
仅显示全为数字的数据。是否可以使用这样的字符串数据运行？我了解我的测试标签需要转换为双精度值，即男性/女性/未知 => 1.0 / 2.0 / 3.0
如果是这样，如何使用这种类型的语法将上面的 CSV 数据转换为 LabelPoint？
machine-learning - 对数值属性使用朴素贝叶斯
我们可以使用朴素贝叶斯对数值数据进行分类吗？我们有一个系统可以提取作者风格，如句子长度、词长，并用它来预测匿名文档的作者身份。那么我们可以使用朴素贝叶斯根据这些数字数据对作者进行分类吗？否则你能建议一个更好的选择。
classification - 从分类精度计算曲线下面积
我有一个任务：
使用朴素贝叶斯，我们在一些具有 2 个类的数据上构建了一个模型（模型返回 2 个概率——一个用于正类，一个用于负类）。我们计算了 ROC 曲线下面积 AUC = 0.8 和分类准确度 CA = 0.6，阈值设置为 0.5（如果某些示例的正类概率高于 0.5，我们预测该示例的正类，否则为负类）。然后我们发现，如果我们将阈值设置为 0.3，分类准确率变为 CA = 0.7。第二个阈值的 AUC 是多少？如果结果取决于初始数据，请提出所有可能性。
我该如何计算呢？
machine-learning - 使用交叉验证提高准确性，不使用交叉验证降低准确性
我有一个关于交叉验证的问题：我正在使用朴素贝叶斯分类器按作者对博客文章进行分类。当我在没有 k 折交叉验证的情况下验证我的数据集时，我得到 0.6 的准确度分数，但是当我进行 k 折交叉验证时，每个折页都会呈现更高的准确度（大于 0.8）。
例如：
（手动拆分）：验证集大小：1452，训练集大小：13063，准确度：0.6033057851239669
进而
（使用 k 折叠）：折叠 0 -> 训练集大小：13063，验证集大小：1452 准确度：0.8039702233250621（所有折叠都超过 0.8）
ETC...
为什么会这样？
binary - 朴素贝叶斯：观察变量的异构 CPD
我正在使用一个朴素贝叶斯模型，使用离散和连续变量的组合进行二元分类。我的问题是，我可以对连续和离散观察变量使用不同的条件概率分布 (CPD) 函数吗？例如，我对连续变量使用高斯 CPD，对离散变量使用一些确定性 CPD？
谢谢
machine-learning - 如何训练以 pos-tag 序列为特征的朴素贝叶斯分类器？
我有两类句子。每个都有相当不同的 pos-tag 序列。如何以 POS-Tag 序列作为特征来训练朴素贝叶斯分类器？斯坦福 CoreNLP/NLTK（Java 或 Python）是否提供任何方法来构建具有 pos-tag 作为特征的分类器？我知道在 python 中NaiveBayesClassifier允许构建一个 NB 分类器，但它contains-a-word用作特征，但它可以扩展为使用 pos-tag-sequence 作为特征吗？