流行学习维基百科，自由的百科全书跳转到导航跳转到搜索流行学习是一类机器学习算法，假设原始数据集位于公共歧管上，它们会在数据集之间产生投影。该概念由Ham，Lee和Saul于2003年首次引入，[1]在涉及高维向量集相关性的一般问题中增加了流形约束。[2]内容1概述2数据间的对应关系3一步与两步对齐4实例级别与功能级别的预测5应用6参考7进一步阅读总览流行学习方式假设由相似的生成过程生成的不同数据集将共享相似的基础歧管表示形式。通过学习从每个原始空间到共享流形的投影，可以恢复对应关系，并将知识从一…
朴素贝叶斯分类器维基百科，自由的百科全书跳到导航跳到搜索在机器学习中，朴素贝叶斯分类器是一系列以假设特征之间强（朴素）独立下运用贝叶斯定理为基础的简单概率分类器（英语：）。朴素贝叶斯自20世纪50年代已广泛研究。在20世纪60年代初就以另外一个名称引入到文本信息检索界中，[1]:488并仍然是文本分类的一种热门（基准）方法，文本分类是以词频为特征判断文件所属类别或其他（如垃圾邮件、合法性、体育或政治等等）的问题。通过适当的预处理，它可以与这个领域更先进的方法（包括支持向量机）相竞争。[2]它在自…
