大家好！
作为
数据科学家课程的一部分
，我们举办了一个有关“朴素贝叶斯分类器”的公开课程。 该课程
由神经网络和深度学习（MIPT）实验室的首席研究员
Maxim Kretov教授 。 我们为您提供熟悉视频和摘要的信息。
预先感谢。
参赛作品假设您有上千个属性。 通常，它们每个都可以具有一组特定的功能，例如：
- 房屋面积；
- 自上次维修以来经过的时间；
- 离最近的公交车站很远。
因此，每个房屋都可以用尺寸为3的x表示。x =（150; 5; 600），其中150是房屋面积（以平方米为单位），5是维修后的年数，600是到停靠点的距离（以米为单位）。 该房屋在市场上可以出售的价格将用y表示。
结果，我们有了一组向量，每个对象对应一个变量。 而且，如果我们谈论价格，那么就可以通过机器学习技能来学会预测价格。
机器学习方法的基本分类上面的示例非常典型，涉及与老师进行机器学习（存在目标变量）。 如果没有后者，我们可以在没有老师的情况下谈论机器学习。 这是机器学习的两种主要和最常见的类型。 在这种情况下，与老师一起进行教学的任务又分为两组：
- 分类。 目标变量是C类之一，即为每个对象赋予一个类标签（山寨，花园洋房，附属建筑等）。
- 回归。 目标变量是实数。
机器学习可以解决哪些任务？如今，使用机器学习方法可以解决以下任务：
1.句法：
- 通过词性和形态特征进行标记；
- 将文本中的单词分为词素（前缀，后缀等）；
- 在文本中搜索名称和标题（“命名实体的识别”）；
- 给定上下文中单词含义的解析（典型的例子是城堡或城堡）。
2.理解文本的任务，其中有一个“老师”：
3.其他任务（图像描述，语音识别等）。
文字处理的困难从机器学习的角度来看，使用文本始终会带来一些困难。 为此，只需记住以下两个句子：
- 妈妈洗了框架，现在闪闪发亮；
- 妈妈洗了镜框，现在很累。
如果执行机器学习的分类器没有常识，那么当框架发亮而又疲倦时，对他来说也是如此，因为从句法上讲，第二句中的词框更接近代词。
实际任务在提供了有关机器学习某些方面的一般信息之后，老师顺利地进行了网络研讨会的实际任务-将电子邮件分类为垃圾邮件和质量。
首先，显示了一个示例，该示例说明了如何将输入文本转换为数字向量。 为此：
- 大小为K的字典是固定的；
- 文本中的每个单词都以以下形式表示：（0，0，0，... 0，1，0，... 0）。
这种方法称为1-hot编码，其上下文中的单词称为令牌。
根据此数据处理阶段的结果，创建了一个字典，并为每个文本进行了字数统计。 结果，为每个文本获得了固定长度的矢量。 还考虑了一种更简单的布尔掩码方法。
贝叶斯分类器简介朴素贝叶斯分类器基于贝叶斯定理的应用，并具有关于独立性的严格（朴素）假设。 它的优点是评估分类所需参数所需的训练数据量少。
在解释电子邮件分类任务时，主要思想如下：
- 文本中的所有单词都被认为是彼此独立的；
- 如果在垃圾邮件中发现的单词多于好信件，则这些单词被视为属于垃圾邮件的标志。
考虑到贝叶斯定理，为多个变量编写了相应的公式，并考虑了计算其他假设的特征。 使用伪代码来计算参数，之后生成详细的模型示例，其中计算先验概率和属于新对象x的类的概率。 实际工作的最后阶段是模型的构建和培训以及质量的度量。
结束
与往常一样，我们在这里等待问题和评论，或者您可以
通过进入
开放日直接向
老师提问。