相关文章
python-新闻文本分类详细案例-(数据集见文末链接)
文章目录 分析思路所用数据集一、导入相关包二、数据分析1.读取数据2. jieba分词并去除停用词3. TF-IDF4. 网格搜索寻最优模型及最优参数5. 预测并评估预测效果 总结 分析思路
新闻文本数据包含四类新闻,分别用1,2,3,4 表示。 &a…
建站知识
2024/10/13 2:55:34
机器学习实验:基于朴素贝叶斯的垃圾邮件识别
一、实验问题
基于朴素贝叶斯的垃圾邮件识别
二、实验软件
Python编程语言
三、实验目的
熟悉sklearn模块朴素贝叶斯分类的问题求解过程; 熟悉朴素贝叶斯建模及模型评估方法;
四、实验数据及步骤&#x…
建站知识
2024/10/2 12:38:13
OSI(开放系统互连参考模型)知识点详细介绍!!
开放系统互连参考模型分七层,从低到高是物理层,数据链路层,网络层,传输层,会话层,表示层和应用层
一.物理层(Physical Layer)
物理层位于 OSI/RM 参考模型的最底层,为数…
建站知识
2024/10/26 14:35:13
机器学习——垃圾邮件识别——SVM、MNB模型使用
本次案例采用SVM、MNB模型进行对比
用Accuracy、F1 Score进行评估
话不多说直接上代码包括数据集下载
CSDNhttps://mp.csdn.net/mp_download/manage/download/UpDetailed # 读取数据并用空字符串替换空值
df1 pd.read_csv("spamham.csv")
df df1.where((pd.notn…
建站知识
2024/10/31 20:30:37
机器学习十大经典算法之朴素贝叶斯(学习笔记整理)
一、算法概述
朴素贝叶斯分类器是基于概率论的分类模型,其思想是先计算样本的先验概率,然后利用贝叶斯公式测算未知样本属于某个类别的后验概率,最终以最大后验概率对应的类别作为未知样本的预测类别。之所以叫"朴素",…
建站知识
2024/10/3 18:22:52