Наивный Байес

Запишетесь на полный курс Машинного обучения на Python по адресу [e-mail]

[@FatInnocentDwarf]

Спасибо большое за материал

[@UselesStranger]

Отличное объяснение, спасибо!

[@nikitanatalin1882]

Огонь !

[@colorwheelru]

препод от бога

[@vladbalaban5380]

Лучший, классно объяснил, а я сначала даже и не понял

[@azamatkurbanov4969]

👍

[@Tolyeschebudet]

Норм!

[@user-zy7ui3ix1z]

Так если изначально известно, что 3* содержится только в спаме, что тут ещё определять?

[@ittensive]

неизвестно, что будет с 10* - это спам или нет? С известными (размеченными) данными все понятно. Непонятно, что делать с новыми (неразмеченными), чтобы не размечать.

[@user-zy7ui3ix1z]

Если писем всего 20, 9 из них нормальные, то на спамные остаётся 11. Почему же Вы задаёте вероятность спамных писем 1/20, а не 11/20 ???

[@user-ku4nn5pw8p]

p(3*) - это вероятность письма с 3*. Среди 20 писем 3* встретились только в 1ом письме. Поэтому 1/20. А то, о чем вы говорите - это p(1) (1 - спам)

[@VasArkady]

А собственно причем тут Наивный Байес? Увидел только как вывели теорему Байеса и посчитали 2 вероятности. Ни слова про наивное предположение, ни про likelihood, ни про то, причем здесь классификация и мл.

[@ittensive]

классификация и метод максимального правдоподобия объясняется в предыдущих видео