腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
搜索
关闭
文章
问答
(9999+)
视频
开发者手册
清单
用户
专栏
沙龙
全部问答
原创问答
Stack Exchange问答
更多筛选
回答情况:
全部
有回答
回答已采纳
提问时间:
不限
一周内
一月内
三月内
一年内
问题标签:
未找到与 相关的标签
筛选
重置
1
回答
为什么
垃圾
邮件
检测
是
分类
问题而不是类建模问题?
我在这个空间中看到的最常见的数据集是包含类、火腿和
垃圾
邮件的sms数据集。据我所知,
垃圾
邮件类别有一些共同的特点与它在整个班级-如广告,优惠,免费折扣等。那么为什么这是一个二进制
分类
任务呢? 为了了解更多的情况,我正在试图解决新闻文章是属于政治阶层还是属于非政治阶层
浏览 0
提问于2018-05-05
得票数 2
回答已采纳
1
回答
建议用于
垃圾
邮件
检测
类图像
分类
任务的scikit学习算法。
现在我应该有相当经典的
分类
任务,比如
垃圾
邮件
检测
,只是在训练集中添加更多的图像,我应该会有一个好的结果。 当我需要对一个新图像进行
分类
时,我再次将它分割成补丁,但现在我需要将这些补丁从新图像映射到我的“修补程序字典”中。
浏览 2
提问于2013-06-16
得票数 0
回答已采纳
1
回答
贝叶斯网络可以在没有
垃圾
邮件训练集的情况下
检测
垃圾
邮件吗
嗨,我有一个关于我正在尝试开发的系统的概念性问题,该系统试图对电子邮件进行
分类
。我有大量(>100k)非
垃圾
邮件和大量未
分类
邮件。那么,有没有可能使用一种方法(也许是贝叶斯)来
检测
垃圾
邮件,而不需要
垃圾
邮件的数据集?我真的需要对
垃圾
邮件进行
分类
吗?
浏览 0
提问于2013-05-29
得票数 1
回答已采纳
1
回答
我的朴素贝叶斯训练数据需要成比例吗?
我将以
垃圾
邮件
分类
为例。典型的方法是手工
分类
随机抽样的电子邮件,并使用它们来训练NB
分类
器。 这些功能变得过于非
垃圾
邮件沉重。该算法在
分类
中隐式使用概率(
垃圾
邮件)(就像概率(医疗条件)被罕见的医疗条件降低一样,即使
浏览 0
提问于2015-10-28
得票数 1
回答已采纳
1
回答
垃圾
邮件
分类
-机器学习
我必须使用一些
分类
器(例如朴素贝叶斯、支持向量机和另一个
分类
器)来做
垃圾
邮件
检测
应用,并比较它们的效率,但不幸的是,我不知道我应该做什么。这是正确的吗:首先,我应该有trec2005,
垃圾
邮件或安然
垃圾
邮件等
垃圾
邮件.然后,我做文字预处理,如词干,停止字删除,标记等.在此之后,我可以使用tf-以色列国防军在
垃圾
邮件中衡量我的特征/术语的权重。接下来,我用非常低的频率和很高的频率去除这些特征。然后我就可以把我的邮件
分类
了。对吗
浏览 1
修改于2014-03-15
得票数 1
回答已采纳
1
回答
检测
元素何时被拖到“删除”图标上
我有一个带有“删除”图标的页面(一个小
垃圾
桶)和一些使用jQuery UI可排序插件的图像元素。我希望能够将一个元素拖到
垃圾
桶图标上并删除它。是否可以
检测
元素是否与图标重叠,或者如果光标位于带有元素的
垃圾
桶上,则可以设置标志吗?
垃圾
桶是静态的--它不会移动,也不是可
分类
容器的一部分。
浏览 1
修改于2013-08-06
得票数 0
1
回答
Android
垃圾
邮件
检测
应用?
我正在为android开发一个
垃圾
邮件
检测
应用程序,我使用贝叶斯
分类
来
检测
垃圾
邮件。我想知道的是,我是否应该使用由50条火腿消息和50条
垃圾
邮件组成的培训集,还是应该进行基于用户的内容培训?
浏览 2
提问于2014-03-06
得票数 0
回答已采纳
1
回答
多个朴素贝叶斯
分类
器
我正在为一个审查站点实现一个朴素的Byes
分类
器,以便识别
垃圾
评论,并有几个问题。 在我看来,有多种类型的
垃圾
邮件,例如直接营销
垃圾
与他们正在审查的事情无关,而不是一个欺骗性的评论。为了不同的目的实现多个
分类
器是明智的,这样一个能更好地
检测
垃圾
邮件,而另一个则学习欺骗性的评论吗?同样地,有多个类别的项目正在被审查,所以对于“欺骗性审查”
分类
器来说,是否最好只有一个
分类
器尝试从所有的评论中学习?还是每个类别都有一个
分类</e
浏览 8
提问于2017-04-18
得票数 0
1
回答
我能从CNN的
分类
标签中得到[0 0]吗?
我们正在尝试对两个类进行
分类
,我们希望能够在输入
垃圾
图像时
检测
到
垃圾
。但是,它总是
检测
0 1或1 0。有没有可能在不引入处理
垃圾
的类的情况下获得0 0作为标签?
浏览 12
提问于2019-03-27
得票数 1
回答已采纳
9
回答
一般选择哪种机器学习
分类
器?
假设我在研究
分类
问题。(欺诈
检测
和评论
垃圾
邮件是我目前正在研究的两个问题,但我对任何
分类
任务都很好奇。)如果您的数据被标记,但您的数量有限,则应该使用具有高偏见的
分类
器(例如,朴素贝叶斯)。我猜这是因为高偏倚
分类
器的方差较低,这是因为数据量很小。
浏览 17
修改于2017-09-03
得票数 222
1
回答
使用动态权重集成
总的来说,我有3个标签0=其他,1=
垃圾
邮件,2=情绪。关于动态权重,我指的是: 我有两个
分类
器。第一个是随机森林,它在
垃圾
邮件
检测
上表现最好。另一种是CNN,它在话题
检测
(区分他人和情感)方面更有优势。我想要的是一个VotingClassifier,当它分配标签“
垃圾
邮件/1”时,它给RF一个更高的权重。
浏览 0
修改于2018-12-14
得票数 1
1
回答
如何估计二进制
分类
器所需的内存量?
假设我想创建一个二进制
分类
器来
检测
垃圾
邮件。我有10亿的训练例子和大约20个特色。我希望我经过训练的
分类
器能够适应内存(我将在云和磁盘操作上运行它,这实际上是rpc-调用将是非常昂贵的)。假设我的
分类
器是随机森林,而我对训练集中
垃圾
邮件的分布一无所知。这样的估计有可能吗?怎么做呢?
浏览 1
提问于2012-01-31
得票数 0
1
回答
难以理解的朴素贝叶斯预测()方法
以下方法是EMail
垃圾
邮件
检测
项目中预测功能的实现。bestProb = probability return bestLabel 我无法理解如何使用上述功能将特定数据项
分类
为
垃圾
邮件或火腿
浏览 3
提问于2020-02-15
得票数 0
2
回答
PHP
检测
字符串中的多个连续特殊字符
每天我都会通过联系人表单收到大量的
垃圾
邮件。这些
垃圾
邮件的内容与下面的示例非常相似:对于这种特定类型的
垃圾
邮件,我想添加3个连续特殊字符的PHP
检测
,因为它永远不会出现在合法的电子邮件中(至少在过去10年中没有)。编辑:我不确定我应该如何对这些字符进行
分类
。它们都有某种口音,如示例中所示。
浏览 22
修改于2018-07-31
得票数 2
1
回答
垃圾
邮件
检测
中的查准率与查全率混淆
根据,我正在做一个
检测
垃圾
邮件账户的项目。两个标签-“
垃圾
邮件”和“非
垃圾
邮件”被用来训练和测试。
分类
已经完成了,我要去评估了。我的目的是减少普通帐户的数量,它被标记为“
垃圾
邮件”。一些“
垃圾
邮件”账户能否逃脱并不重要。所以我想知道上面的结果我应该集中精力去改进吗?谢谢。
浏览 1
修改于2016-03-12
得票数 3
回答已采纳
4
回答
用于电子邮件
垃圾
邮件
检测
的神经网络
假设您有权访问一个电子邮件帐户,该帐户包含过去几年收到的电子邮件的历史记录(约10k封电子邮件),这些电子邮件分为两组您将如何创建可用于
垃圾
邮件
检测
的神经网络解决方案-基本上将任何电子邮件
分类
为
垃圾
邮件或非
垃圾
邮件让我们假设电子邮件获取已经就位,我们只需要关注
分类
部分。选择哪些参数作为神经网络的输入,为什么?哪种结构的神经网络最适合这样的任务?此外,任何资源建议,或现有的实现(最好是在C#中)都非常受欢迎编辑 我打算使用神经
浏览 11
修改于2015-05-01
得票数 19
回答已采纳
1
回答
使用朴素贝叶斯
检测
垃圾
邮件
我正在实现一个朴素的贝叶斯
垃圾
邮件
检测
器,其中的特征是文字,我不确定我是否理解正确的算法还。这就是我如何实现算法的方法:P(N|W) = P(W|N) * P(N) = 0.02 由此,算法将文本
分类
为
垃圾
邮件。因此,这意
浏览 4
提问于2016-01-29
得票数 0
回答已采纳
3
回答
Java如何表示非常小的小数?
我开发了一个应用程序来
检测
垃圾
邮件,使用朴素贝叶斯
分类
器。变量被声明为浮点数。
浏览 2
修改于2016-03-20
得票数 0
回答已采纳
1
回答
垃圾
邮件
检测
器的输入数据
我正在尝试开发一个
垃圾
邮件
检测
器应用程序使用支持向量机
分类
器。但是我找不到任何输入数据。谁能建议我应该接受什么样的输入数据,从哪里可以找到它。我试了一下谷歌,但没有找到令人满意的答案
浏览 0
修改于2016-01-21
得票数 0
回答已采纳
2
回答
论坛帖子的贝叶斯过滤
有没有人使用贝叶斯过滤器来让论坛成员对帖子进行
分类
,所以随着时间的推移,论坛只会显示有趣的帖子?贝叶斯过滤器似乎能很好地
检测
垃圾
邮件。实现贝叶斯过滤器是为用户过滤论坛帖子的可行方法吗?
浏览 1
修改于2018-02-21
得票数 2
第 2 页
第 3 页
第 4 页
第 5 页
第 6 页
第 7 页
第 8 页
第 9 页
第 10 页
第 11 页
点击加载更多
领券