本文主要是介绍NBSVM (Naive Bayes - Support Vector Machine)学习，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
title: NBSVM 算法学习
date: 2020-06-14 18:14:29
tags:
NBSVM (Naive Bayes - Support Vector Machine)学习
文章目录
- NBSVM (Naive Bayes - Support Vector Machine)学习
- 相关资料
- Motivation
- NB(Naive Bayes)
- 本论文中的贝叶斯：
- 数据介绍：
- r的解释：
- 线性模型的解释
- 维度情况：
- SVM
- 实现r和NBSVM的代码：
- 总结
相关资料
论文：Baselines and Bigrams: Simple, Good Sentiment and Topic Classification.
fastai课程： Naive Bayes video.
kaggle：NB-SVM strong linear baseline
Motivation
NB(Naive Bayes)在短文本上表现好，SVM在长文本上表现好。(论文里的观点，实际可能未必！)
NB(Naive Bayes)
贝叶斯公式（西瓜书里有比较有趣的介绍）。一些基本概念（ppt来自刘成林老师）：
举例说明，假如一个要判定一个comment是不是有毒(toxic), 如果看不到文本内容情况下，自然可以用抛硬币的模型则p(toxic=1)=0.5, 如果看到了内容里的一个单词，比如‘fxxk’，那么p(toxic=1｜word=‘fxxk’)的概率可能要远远大于0.5，而目标就是求这个后验概率p(w|x)， P ( w i ) P(w_i) P(wi) 为类别为i的概率,贝叶斯公式：
p ( w i ∣ x ) = p ( x ∣ w i ) P ( w i ) p ( x ) p(w_i|x)= \frac{p(x|w_i)P(w_i)}{p(x)} p(wi∣x)=
这篇关于NBSVM (Naive Bayes - Support Vector Machine)学习的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
