Ch2 情感分析与有监督学习

主要内容

实现进阶语言模型

• 情感分析概述
• 贝叶斯分类器
  • 贝叶斯定理
  • 朴素贝叶斯
• 线性回归 & 逻辑回归
• 梯度下降法

任务

• 任务一：运用贝叶斯公式
  1. 利用贝叶斯公式，说明为什么 P(y|w1w2) ≠ P(y|w1)P(y|w2) (即使做了独立假设)
  2. 自己用Python实现Naive Bayes方法，并在给定的数据集上验证效果
• 任务二：实现 Navive Bayes 方法
  1. 在「训练数据」上拟合一个 Naive Bayes 模型。在训练时模型不能「看见」任何测试数据的信息。
  2. 训练完成后，在测试数据上进行测试。评估标准为你的模型在测试数据上的混淆矩阵（Confusion Matrix）结果。
  3. 根据混淆矩阵的结果，分析一下你模型的表现。
• 任务三：实现 Gradient Descent 算法 通过梯度下降法，自己实现一种通用的给定数据找到 y = wx + b 中最优的 w 和 b 的程序，并用加噪音数据验证效果。

参考资料

1. 数学之美番外篇
2. 朴素贝叶斯分类器的应用 - 阮一峰 3.An overview of gradient descent optimization algorithms
3. 混淆矩阵

Change log

• 2017.10.21 创建
• 2017.10.23 增加内容