El clasificador ingenuo de Bayes para el análisis de sentimiento semántico no es trivial. Pero es posible el análisis sintáctico (también conocido como morfológico o de nivel de palabra). Considere tener dos canastas de datos de texto, una con sentimientos positivos y la otra con textos de sentimientos negativos. Suponga una representación de bolsa de palabras para estos textos. Si calcula las frecuencias de palabras para las cestas positivas y negativas, formará la tabla de densidad condicional de clase. Puede calcular los anteriores de la clase en función del número de puntos de datos de Twitter positivos y negativos. Ahora, la predicción de una publicación arbitraria de Twitter representada en forma de bolsa de palabras es mediante la suma logarítmica de las probabilidades en la tabla condicional de clase de todas las palabras presentes en la consulta. Tendrás dos de estas sumas, una para la clase positiva y otra para la negativa. Cualquiera que sea la suma más alta se considera la clase predicha por el ingenuo clasificador bayes.
Esto es muy similar al ejemplo ingenuo de clasificación de spam bayes que se encuentra en varios tutoriales.
- # ¿Cómo puedo comenzar un trabajo de investigación sobre aprendizaje automático?
- ¿Se consideran obsoletos los métodos de preentrenamiento sin supervisión y pre-entrenamiento codiciosos en capas para el aprendizaje profundo moderno? ¿Por qué o por qué no?
- ¿Puedo usar el aprendizaje automático para pronosticar datos de series temporales para puntos de datos discretos dispersos?
- ¿Cuáles son las desventajas de usar un árbol de decisión para la clasificación?
- ¿Las PGM son esenciales para el aprendizaje profundo?
