《文本分类,数据挖掘和机器学习》,论文级别,值得收藏! 详细见 http://blog.chinaunix.net/uid-446337-id-94440.html
心得归纳
机器学习 Machine Learning:
机器像人类一样自己来通过对大量的观察来自己总结经验,即程序通过训练学习(训练前:公式已知,参数值未知,求解未知;训练:训练数据 Training Data 中的解已知,反算出参数值;训练后:公式已知,参数值已知,求解可得)。
e.g. 机器学习或数据挖掘十大算法中,有分类算法之一的朴素贝叶斯,公式
其中,
P(d| Ci)=P(w1|Ci) P(w2|Ci) …P(wi|Ci) P(w1|Ci) …P(wm|Ci)
P(d| Ci)就代表文档d 属于类别Ci的概率
P(wi|Ci)就代表词汇wi属于类别Ci的概率
人们在程序中定义好公式,通过准备大量的已知类型的素材文档(即所谓的训练数据),通过计算词汇wi的出现频数而模拟出P(wi|Ci)。当真正需要对未知文档进行分类时,使用从大量文章中已算出的P(wi|Ci)代入公式,从而算出该文章所属分类的概率。