matlab朴素贝叶斯手写数字识别_实战：用朴素贝叶斯实现文本识别

最新推荐文章于 2022-11-27 18:20:34 发布
最新推荐文章于 2022-11-27 18:20:34 发布
阅读量314 收藏
点赞数
文章标签： matlab朴素贝叶斯手写数字识别 sklearn朴素贝叶斯分类器 贝叶斯分类器的matlab实现
本文介绍了如何运用朴素贝叶斯分类器，特别是多项式朴素贝叶斯，进行中文文档的分类。通过加载数据集，进行文档分词，计算单词权重，然后构建并使用sklearn库中的多项式朴素贝叶斯分类器，最终得到0.92的分类准确率。
摘要由CSDN通过智能技术生成

238b4aabed1efb8fd8e0207c5f789b93.png

在机器学习中，朴素贝叶斯分类器是一系列以假设特征之间强（朴素）独立下运用贝叶斯定理为基础的简单概率分类器。

贝叶斯原理公式：

8ed319e5e274cf4ef1d84e05f21d47cc.png

朴素贝叶斯公式：

f971d026494f56c5ff143bd4f5b7aa1e.png

具体的推导过程可以去看李航老师的统计学习方法，里面的推导很详细

在sklearn中，贝叶斯分类方法有如下三种：

1.高斯朴素贝叶斯（GaussianNB）

2.多项式朴素贝叶斯（MultinomialNB）

3.伯努利朴素贝叶斯（BernoulliNB）

本文使用的是多项式的朴素贝叶斯

下面是我画的一个帮助理解朴素贝叶斯的思维导图

1f0352ce1e2707a84ca7bc4e80bd4076.png

下面是利用python实现朴素贝叶斯文本识别的过程：

数据集是中文文档，文档共有 4 种类型：女性、体育、文学、校园；

9ccfde32ddbade1db3b8947fdc68c3f7.png

6098e3f9b9abddc0081af2e891bb5058.png

数据源：

github​github.com

d5af9070ef76af9b74d0af11cdd0f8c6.png

下面是文档分类流程图

a5444d2d4efc7972c29829e795aa7559.png

导入各种需要用到的包

19e5a8955e482c03d6e3339cbfdd1d93.png

文档分词

c6329579e4b3c00fad6691ae237f01b1.png

加载所有文档

d1c71ce058b8af71d91a209153026cb5.png

bbadeaaadecf941c345570caa57683bc.png

计算单词权重

b33d97c9fe95c658f03e468dece8461e.png

构建多项式贝叶斯分类器和做预测

067d36002072a3e0a8f4914f16fddd5b.png

计算准确率

4883eeb487b9ff3c1a2e651d1860437b.png

准确率为0.92，效果还可以。

参考文献：

李航-统计学习方法

陈旸-数据分析实战45讲

维基百科

weixin_39725650
关注
MATLAB实现朴素贝叶斯分类对手写数字数据集进行分类
10-19
本项目将探讨如何使用MATLAB来实现朴素贝叶斯分类器，并将其应用于手写数字识别。手写数字数据集通常是机器学习初学者接触的第一个实际应用案例，因为它直观、易于理解且具有挑战性。 首先，我们要了解朴素贝叶斯...
机器学习（四）——朴素贝叶斯
doubaijj的博客
11-16 671
引入 前面学习的内容都是要求分类器直接给出分类结果，今天学习的朴素贝叶斯可以给出一个最优的类别猜测结果，同时给出这个猜测的概率估计值。 以垃圾邮件分类为例，一封邮件通过朴素贝叶斯得到的分类结果可能会是如下结果： 没有一个准确猜测，但是会给每个猜测计算概率，最后会选取概率最大的猜测作为结果。 先验概率：在训练模型之前，通过历史数据得到的初始概率；该概率与待测样本无关，独立于样本。 后验概率：反映了在看到数据样本x后cj成立的置信度，即通过样本获得新的信息（既有先验概率资料，也有补充资料），.
贝叶斯推断及其互联网应用（三）：拼写检查
zhjwy的博客
10-30 463
关于贝叶斯定理，请点击这里。     关于通过贝叶斯定理，如何过滤垃圾邮件，请点击这里。     今天是第三部分，也就是拼写检查。     在这里，还是首先感谢原作者的三篇文章，让我对贝叶斯定理及其应用有了更好的了解。     使用Google的时候，如果你拼错一个单词，它会提醒你正确的拼法。     比如，你不小心输入了seperate。          Google告诉
文本分类（TFIDF/朴素贝叶斯分类器/TextRNN/TextCNN/TextRCNN/FastText/HAN）
java梦工厂
10-18 2976
目录 简介 TFIDF 朴素贝叶斯分类器 贝叶斯公式 贝叶斯决策论的理解 极大似然估计 朴素贝叶斯分类器 TextRNN TextCNN TextRCNN FastText HAN Highway Networks 简介 通常，进行文本分类的主要...
朴素贝叶斯的详解和文本分类python样例实现
qq_52332972的博客
11-27 1076
朴素贝叶斯算法推导和详解以及简单的文本分类实现
学习朴素贝叶斯分类器
qq_26879045的博客
07-10 240
贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。我们称之为“朴素”，是因为整个形式化过程只做最原始、最简单的假设。关于贝叶斯更多，可以参考http://www.cnblogs.com/apachecnxy/p/7471634.html使用朴素贝叶斯过滤垃圾邮件源码如下（bayes.py）：# coding: utf-8 """ 朴素贝叶斯-文本分类、过滤垃圾邮件 ...
Matlab基于贝叶斯，朴素贝叶斯，最小错误率贝叶斯的手写数字识别代码
11-30
本压缩包中的资源是使用Matlab编程语言实现的三种不同贝叶斯方法：基础贝叶斯、朴素贝叶斯和最小错误率贝叶斯，用于进行手写数字的识别。这些算法在计算机视觉和模式识别领域有着广泛的应用，特别是在自动读取银行...
手写数字识别(包括卷积网络和朴素贝叶斯两种方法).zip
12-11
`mnist_prml_bayes.m`很可能是用MATLAB编写的代码，用于实现这个朴素贝叶斯分类器。MATLAB是一个强大的数学和科学计算环境，适合处理这种统计建模任务。 接着，我们讨论卷积神经网络。CNN是一种深度学习模型，特别...
基于贝叶斯分类器的手写数字识别系统的设计与实现.docx
10-19
《基于贝叶斯分类器的手写数字识别系统的设计与实现》 手写数字识别系统是计算机视觉领域的一个重要研究方向，具有广泛的应用前景，如移动设备的输入法、银行支票自动识别等。该系统的核心在于如何有效地识别手写...
SahebehDadboud/Naiv​e_bayes_Matlab:朴素贝叶斯-matlab开发
05-29
【标题】"SahebehDadboud/Naive_bayes_Matlab"是一个开源项目，专注于使用Matlab实现朴素贝叶斯算法。这个项目涵盖了对三个不同数据集的预测应用，分别是“虹膜”（Iris）、“汽车评估”（Car Evaluation）和“镜头...
基于贝叶斯分类器的手写体数字识别
12-11
基于贝叶斯分类器的手写体数字识别，识别率为87%，加大训练样本识别率更高。
基于贝叶斯分类器的文字识别.rar
08-09
仅供参考
手写数字识别.贝叶斯分类算法
12-06
MATLAB源码实现手写数字识别，模式识别经典分类算法，识别率有待提高，思路清晰，适合新手入门学习使用
贝叶斯分类作业题 matlab
04-13
老师布置的贝叶斯分类作业题 ，有详细matlab源程序和结果分析。
python --利用朴素贝叶斯进行文本分类
weixin_42947172的博客
05-16 4548
python --利用朴素贝叶斯进行文本分类 一，分类目标 寻找文本的某些特征，然后根据这些特征将文本归为某个类。 使用监督式机器学习方法对文本进行分类：首先假设已经有分好类的N篇文档：(d1,c1)、(d2,c2)、(d3,c3)……(dn,cn) di表示第i篇文档，ci表示第i个类别。目标是：寻找一个分类器，这个分类器能够：当丢给它一篇新文档d，它就输出d （最有可能）属于哪个类别。 二、朴素贝叶斯分类器 朴素贝叶斯分类器是一个概率分类器。假设现有的类别C={c1，c2，……cm}。给定一篇文档d，文
朴素贝叶斯算法matlab代码详细解释
ldy__cwx的博客
03-05 2529
T = xlsread('data1.xlsx',1,'A1 : C1628'); x = T(:,1); %横坐标向量 y = T(:,2); %纵坐标向量 c = T(:,3); %类标签向量 data = [x,y]; %训练样本矩阵 k = 1500; %样本数量 T1 = sortrows([x(1:k,1),y(1:k,1),c(1:k,1)],3);%为方便处理按类这一列对样本进行升序排序(整个行的变化会和这一列的变化相同)，如果是-3就是降序排列 %T1 temp = zeros(23
文本分类（朴素贝叶斯分类）介绍
积一时之步，臻千里之遥程
02-04 6405
什么是文本分类 文本分类是现代机器学习应用中的一大模块，更是自然语言处理的基础之一。 我们可以通过将文字数据处理成数字数据，然后使用贝叶斯来帮助我们判断一段话，或者一篇文章中的主题分类，感情倾向，甚至文章体裁。 现在，绝大多数社交媒体数据的自动化采集，都是依靠首先将文本编码成数字，然后按分类结果采集需要的信息。虽然现在自然语言处理领域大部分由深度学习所控制，贝叶斯分类器依然是文本分类中的一颗明珠。现在，我们就来学习一下，贝叶斯分类器是怎样实现文本分类的。 文本分类的基本步骤 文本有效信息的提取 文本预处理
基于朴素贝叶斯分类器的文本分类
kuailefangyuan的专栏
11-18 9001
基于朴素贝叶斯分类器的文本分类
机器学习——用朴素贝叶斯进行文本分类
建世伟业的博客
08-21 1421
作者：龙心尘 && 寒小阳 时间：2016年1月。 出处： http://blog.csdn.net/longxinchen_ml/article/details/50597149 http://blog.csdn.net/han_xiaoyang/article/details/50616559 声明：版权所有，转载请联系作者并注明出处 1. 引言 贝叶斯方法是一个...
matlab朴素贝叶斯手写数字识别_基于MNIST数据集实现手写数字识别
最新发布
05-19
实现手写数字识别的方法有很多种，其中朴素贝叶斯算法是一种常用的方法之一。下面是基于MNIST数据集实现手写数字识别的matlab代码，使用朴素贝叶斯算法： ```matlab % 读取MNIST数据集 [train_images, train_labels] = mnist_parse('train-images.idx3-ubyte', 'train-labels.idx1-ubyte'); [test_images, test_labels] = mnist_parse('t10k-images.idx3-ubyte', 't10k-labels.idx1-ubyte'); % 转换为灰度图像 train_images_gray = reshape(train_images, size(train_images,1)*size(train_images,2), size(train_images,3))'; test_images_gray = reshape(test_images, size(test_images,1)*size(test_images,2), size(test_images,3))'; % 将像素值归一化到[0,1] train_images_norm = double(train_images_gray) / 255; test_images_norm = double(test_images_gray) / 255; % 训练朴素贝叶斯分类器 nb_classifier = fitcnb(train_images_norm, train_labels); % 预测测试集 test_labels_pred = predict(nb_classifier, test_images_norm); % 计算准确率 accuracy = sum(test_labels_pred == test_labels) / length(test_labels); fprintf('Accuracy: %.2f%%\n', accuracy * 100); ``` 在上述代码中，我们首先使用`mnist_parse`函数读取MNIST数据集，并将图像转换为灰度图像，然后将像素值归一化到[0,1]。接着使用`fitcnb`函数训练朴素贝叶斯分类器，并使用`predict`函数预测测试集的标签。最后计算准确率并输出结果。 需要注意的是，MNIST数据集的格式有点特殊，需要使用`mnist_parse`函数进行解析。此外，朴素贝叶斯算法的优点是易于实现和快速训练，但是在一些复杂的分类问题上可能表现不佳。如果需要更高的准确率，可以尝试其他分类算法，比如支持向量机（SVM）和深度学习算法。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值