저는 하드웨어, 소프트웨어, 없음 중 하나의 범주로 단어를 분류하는 기계 학습 프로그램을 만들고 있습니다. 나는 sklearn의 Multinomial Naive Bayes 분류기를 사용합니다. predict() 함수는 모든 단어의 예측을 제공하지만 예측 된 범주와 일치하는 실제 확률 (float range to 0 to 1.0)을 볼 수 없습니다. 나는 s
데이터 피클에 교육 데이터 세트를 저장해야합니다. 여기에 코드가 있습니다. 이 코드를 실행하면 오류가 발생했습니다. 이 오류를 수정하려면 어떻게합니까? featureCounts 및 labelCounts 변수를 두 피클에 저장해야합니다. from __future__ import division
import collections
import math
im
그래서 자동 음성 인식 시스템을 구축 중이며 베이 즈 정리을 분류 자로 사용하고 싶습니다. 나는 아직도 그것에 대해 읽었으며 개념을 이해하려고 노력하고 있으므로 가능한 가장 간단한 방법으로 나를 대답하도록 노력하십시오. MFCC 내 음성에서 기능을 추출하고 단어의 기능으로 행을 포함하는 배열 인 내 Class_template을 만들었습니다. 열은 각 단어를
내 주요 질문은 이것이다 R에 캐럿 패키지를 사용하여 개발 : 어떻게 R의 caret 패키지를 사용하여 나이브 베이 즈 모델에 대한 조건부 확률을 검색합니까? 배경 : 나는 데이터 집합은 본질적 범주 예측과의 일련의 이진 결과 변수 (없는 실수 대 실수)와 건강 데이터 세트 인 R.에 caret 패키지를 사용하여 나이브 베이 즈 모델을 실행 한 하나 또는
필자는 피쳐 행렬 치수 (200,716)를 가진 모델을 교육했습니다. 여기에서 200은 문서 수이고 716은 전체 피쳐 수입니다. 이제 모델을 테스트하고 싶습니다. 기능 단어 (7)을 가진 테스트 데이터를 입력하십시오. 우리가 모델을 훈련받는 정확한 수의 기능에이 기능을 어떻게 매핑 할 수 있습니까? 예 : model.predict (test_data) 새
Naive Bayes 모델을 사용하여 긍정적이고 부정적인 리뷰로 200000 개의 리뷰를 구성하는 코퍼스를 교육 중이며 TF-IDF를 수행하면 실제로 테스트 정확도가 50000 개가되는 테스트에서 약 2 % 감소한 것으로 나타났습니다. 그래서 TF-IDF가 작동하는 데이터 또는 모델, 즉 정확도가 사용되는 경우에 어떤 경우에 대한 가정이 있는지 궁금합니다.
데이터 피클에 연수생 데이터 세트를 저장해야합니다. 다음 코드를 사용했습니다. 이 작업을 실행하면 self.featureCounts = collections.defaultdict(lambda :0)
self.featureVectors = []
self.labelCounts = collections.defaultdict(lambda :0)
def Sa
Naive Bayes 기반 구현을 위해 노력 중이며 모델 튜닝에 관해서는 Spark 2.0을 사용하고 있습니다. 모델, 나는 스파크 2에서 모델 지속성 지원을 잘 알고 있지만 걱정은 저장된 모델의 데이터 폴더에서 순진한 베이 즈에 대한 저장된 모델의 내용과 관련이 있습니다. 파이 (벡터)의 값은 저장됩니다 클래스의 수에 대해서는 & 이외는 Naive Bay
두 클래스의 데이터 세트가 있습니다.이 클래스는 Naive Bayes 분류자를 분류하는 데 사용됩니다. 첫째 : 동일한 데이터에서 교육을받은 후 시험 분류가 내가 가진 : Accuracy: 71.1262
False negative rate: FN/FN+TP = FN/P= 284/295 = 0.840
False positive rate: FP/FP+TN