- 博客(5)
- 资源 (3)
- 收藏
- 关注
原创 使用朴素贝叶斯对电影评论分类
本文内容:使用朴素贝叶斯对电影评论分类1.数据集讲解:2.具体实现:3.实验结果:实验总结使用朴素贝叶斯对电影评论分类1.数据集讲解: 该数据集是IMDB电影数据集的一个子集,已经划分好了测试集和训练集,训练集包括25000条电影评论,测试集也有25000条,该数据集已经经过预处理,将每条评论的具体单词序列转化为词库里的整数序列,其中每个整数代表该单词在词库里的位置。例如,整数104代表该单词是词库的第104个单词。为实验简单,词库仅仅保留了10000个最常出现的单词,低频词汇被舍弃。每条评论
2021-04-27 09:44:38 2895 1
原创 使用朴素贝叶斯过滤垃圾邮件
本文内容:**使用朴素贝叶斯过滤垃圾邮件**1.问题描述:2.实验原理:3.代码实现:4.测试结果:使用朴素贝叶斯过滤垃圾邮件1.问题描述:现有50封电子邮件,存放在数据集task1中,试基于朴素贝叶斯分类器原理,用Python编程实现对垃圾邮件和正常邮件的分类。采用交叉验证方式并且输出分类的错误率及分类错误的文档。2.实验原理:朴素贝叶斯:基于概率论的分类方法:朴素贝叶斯,要求分类器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。一种有效计算条件概率的方法称为贝叶斯准则,贝叶斯准
2021-04-26 20:18:47 1667
原创 决策树IMDB数据集电影评测分类
目录**决策树IMDB数据集电影评测分类(二分类问题)**1. 数据集讲解:2. 代码实现:a) 取出数据集:b) 数据处理:决策树IMDB数据集电影评测分类(二分类问题)1. 数据集讲解:该数据集是IMDB电影数据集的一个子集,已经划分好了测试集和训练集,训练集包括25000条电影评论,测试集也有25000条,该数据集已经经过预处理,将每条评论的具体单词序列转化为词库里的整数序列,其中每个整数代表该单词在词库里的位置。例如,整数104代表该单词是词库的第104个单词。为实验
2021-04-17 20:59:23 1534 5
原创 根据用户采集的WiFi信息采用决策树预测用户所在房间
根据用户采集的WiFi信息采用决策树预测用户所在房间数据集:数据集:训练集存于TrainDT.csv中;测试集存于 TestDT.csv中。BSSIDLabel: BSSID标识符,每个AP(接入点,如路由器)拥有1个或多个不同的BSSID,但1个BSSID只属于1个AP;RSSLabel:该BSSID的信号强度,单位dbm;RoomLabel: 该BSSID被采集时所属的房间号,为类标签,测试集中也含该标签,主要用于计算预测准确度;SSIDLabel: 该BSSID的名称,不唯一;finLa
2021-04-08 19:39:45 698
原创 win10 将Anaconda3 从C盘移动到D盘
这里写自定义目录标题win10 将Anaconda3 从C盘移动到D盘背景步骤1:移动文件夹步骤2:修改环境变量步骤3:解决app打不开win10 将Anaconda3 从C盘移动到D盘背景电脑上anaconda有TensorFlow和Pytorch两个环境,很大。C盘空间不足,只能将Anaconda从c盘移动到D盘。步骤1:移动文件夹首先 把C盘用户目录下的整个Anaconda文件夹移动到D盘中你想移动的地方:步骤2:修改环境变量移动完之后,我们需要修改Path环境变量:把所有Anaco
2021-04-02 17:23:45 7995 8
计算机视觉 全景图像拼接、融合 基于Python+OpenCV实验代码
2023-01-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人