-
Data: 2010-08-03 23:45:04
Temat: Re: Klasyfikacja bayesowska stron kodowych
Od: "Borneq" <b...@a...hidden.pl> szukaj wiadomości tego autora
[ pokaż wszystkie nagłówki ]Użytkownik "Segmentation Fault" <c...@o...eu> napisał w
wiadomości news:4c57d3da$0$2605$65785112@news.neostrada.pl...
> Na Twoim miejscu zaczął bym od sprawdzenia jak zadziała histogram na
> Twoich danych, przed zaprzęganiem bayesa. I tak Ci się przyda porównanie
> z "prostszą" metodą, jak zrobisz tą bardziej skomplikowaną.
Na razie mam zbiór treningowy niezbyt duży 12 kB i taki sam (czyli duży)
zbiór testowy. Przy takiej ilości testowej prawdopodobieństwo bardzo szybko
przekracza minimalny zakres liczb (staje się mniejsze nawet niż 1e-32000)
dlatego liczby muszą być normalizowane. Dla porównania między Windows1250 a
Latin2 wystarcza histogram jednobajtowy i niedużo polskich liter w testowym
tekście aby doskonale rozróżnił. Należy zauważyć że te dwa standardy są
bardzo podobne, 12 na 18 znaków jest identycznych, ale wystarczył jeden znak
ś aby rozkład prawdopodobieństwa wyniósł 98.15% do 1.85%. Gdyby nie
wygładzanie (dodawanie jedynki do licznika i liczby znaków do mianownika w
celu eliminacji prawdopodobieństwa zerowego) byłoby to 100% do 0% - nic
dziwnego skoro litera występuje w jednym zbiorze kontrolnym a w drugim nie.
Zobaczymy jak to będzie dla Utf-8 i Utf-16. Dla tego ostatniego częstość
występowania jednego bitu nie wystarczy, bo może być w postaci big-endian i
little-endian ale ogólnie 1 bajtowe porównanie na tym przykładzie dobrze
sobie radzi.
Następne wpisy z tego wątku
- 04.08.10 12:33 Segmentation Fault
- 04.08.10 19:19 Borneq
- 04.08.10 20:15 Segmentation Fault
- 05.08.10 11:43 Borneq
Najnowsze wątki z tej grupy
- Arch. Prog. Nieuprzywilejowanych w pełnej wer. na nowej s. WWW energokod.pl
- 7. Raport Totaliztyczny: Sprawa Qt Group wer. 424
- TCL - problem z escape ostatniego \ w nawiasach {}
- Nauka i Praca Programisty C++ w III Rzeczy (pospolitej)
- testy-wyd-sort - Podsumowanie
- Tworzenie Programów Nieuprzywilejowanych Opartych Na Wtyczkach
- Do czego nadaje się QDockWidget z bibl. Qt?
- Bibl. Qt jest sztucznie ograniczona - jest nieprzydatna do celów komercyjnych
- Co sciaga kretynow
- AEiC 2024 - Ada-Europe conference - Deadlines Approaching
- Jakie są dobre zasady programowania programów opartych na wtyczkach?
- sprawdzanie słów kluczowych dot. zła
- Re: W czym sie teraz pisze programy??
- Re: (PDF) Surgical Pathology of Non-neoplastic Gastrointestinal Diseases by Lizhi Zhang
- CfC 28th Ada-Europe Int. Conf. Reliable Software Technologies
Najnowsze wątki
- 2024-12-23 Riga => Specjalista ds. public relations <=
- 2024-12-23 Łódź => Specjalista ds. Sprzedaży <=
- 2024-12-23 Kraków => International Freight Forwarder <=
- 2024-12-23 Co nalezy do Cinkciarza, a co do Conotoxia ?
- 2024-12-23 Poznań => Key Account Manager <=
- 2024-12-23 Warszawa => Presales / Inżynier Wsparcia Technicznego IT <=
- 2024-12-23 Rzeszów => Spedytor Międzynarodowy <=
- 2024-12-23 Warszawa => Infrastructure Automation Engineer <=
- 2024-12-23 Białystok => Analityk w dziale Trade Development (doświadczenie z Po
- 2024-12-23 Warszawa => Site Reliability Engineer (SRE) <=
- 2024-12-23 Warszawa => DevOps Engineer <=
- 2024-12-23 Warszawa => Senior Account Manager <=
- 2024-12-23 Katowice => Regionalny Kierownik Sprzedaży (OZE) <=
- 2024-12-23 Katowice => Administrator IT - Wirtualizacja i Konteneryzacja <=
- 2024-12-23 Mińsk Mazowiecki => Spedytor Międzynarodowy <=