0 写在前面

机器学习强基计划聚焦深度和广度 
  
  
  
  
  
  
  
  
  ，加深对机器学习模型的理解与应用 
  
  
  
  
  
  
  
  
  。“深                  ”在详细推导算法模型背后的数学原理；“广 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 ”在分析多个机器学习模型：决策树                  、支持向量机 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 、贝叶斯与马尔科夫决策


















、强化学习等
  
  
  
  
  
  
  
  
  
。

🚀详情：机器学习强基计划(附几十种经典模型源码合集)

在机器学习强基计划4-3：详解朴素贝叶斯分类原理(附例题+Python实现)中我们学习了朴素贝叶斯的概念：采用属性独立性假设对类后验概率建模
  
  
  
  
  
  
  
  
  
，本节再次使用这个理论实现一个有趣的应用——单词拼写修正器
 


 


 


 


 


 


 


 


 

，并梳理一些朴素贝叶斯原理中的细节 
 
 
 
 
 
 
 
 
 ，以期固本强基
 


 


 


 


 


 


 


 


 

。