Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- GCP
- 감성분석
- 분류모델평가
- 구글클라우드플랫폼
- Holdout
- dynamic topic modeling
- word2vec
- 알파베타가지치기
- 토픽모델링
- sensibleness
- degree centrality
- 동적토픽모델링
- ROC-AUC Curve
- 사회연결망분석
- sequential data
- 임베딩
- 허깅페이스
- Google Cloud Platform
- 의미연결망
- Enriching Word Vectors with Subword Information
- 머신러닝
- sbert
- Meena
- QANet
- type-hint
- Min-Max 알고리즘
- semantic network
- topic modeling
- hugging face
- word representation
Archives
- Today
- Total
목록Bayes (1)
Dev.log
나이브 베이즈 분류기(Naive Bayes Classifier)
이번 포스팅에서는 나이브 베이즈(Naive Bayse)에 대해 진행해 보도록 하겠습니다. 먼저 나이브 베이즈에 들어가기 앞서 나이브 베이즈의 사전 지식인 조건부 확률과 베이즈 정리에 대해 간단히 짚고 넘어가겠습니다. 조건부확률 (Conditional Probability)와 베이즈 정리(Bayes' theorem) 사건 B가 발생했을 떄 사건 A가 발생할 확률은 사건 B의 영향을 받아 변화할 수 있습니다. 조건부 확률은 P(B) > 0 의 조건을 만족하면서, 어떠한 사건 B가 일어났을때 사건 A가 일어날 확률을 의미합니다. 즉, 주어진 사건이 일어났다는 가정하에 다른 한 사건이 일어나는 확률을 의미합니다. 예를 들어, 우리가 주사위를 던질 때 각 숫자가 나올확률은 1/6으로 생각합니다. 만약 여기서, 주..
자연어처리
2022. 4. 20. 21:31