“第8章分类:贝叶斯分类器”教案
课程名称:机器学习基础——贝叶斯分类器
授课对象:大数据、人工智能、计算机相关专业学生
总课时:4课时(每课时45分钟)
课程性质:专业核心理论+实践课
课程概述:本课程聚焦机器学习经典概率分类模型——贝叶斯分类器,循序渐进讲解概率论核心基础、朴素贝叶斯原理、三大朴素贝叶斯变体(高斯、多项式、伯努利)、贝叶斯网原理与实现,结合经典垃圾邮件分类实战案例完成项目落地。课程兼顾数学公式推导、算法原理解析、模型对比辨析与工程实操,帮助学生构建完整的概率分类模型知识体系,掌握贝叶斯系列算法原理、适用场景、模型实现与优化方法,为后续概率图模型、深度学习概率建模等内容学
您可能关注的文档
- 机器人感知与智能 课件 第十一章 深度学习技术.pptx
- 机器人感知与智能 课件 第九章 任务规划技术.pptx
- 机器人感知与智能 课件 第六章 力学感知技术.pptx
- 机器学习与应用 教案 第3章 机器学习的常用Python库.docx
- 机器学习与应用 教案 第4章 机器学习的基本流程.docx
- 机器学习与应用 教案 第6章 分类:逻辑回归与最大熵模型.docx
- 机器学习与应用 教案 第12章 降维.docx
- 机器学习与应用 第3章 机器学习的常用Python库习题答案.docx
- 机器学习与应用 第5章 回归习题参考答案.docx
- 机器学习与应用 第6章 分类:Logistic回归和最大熵模型习题参考答案.docx
原创力文档

文档评论(0)