| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- Deep learning
- 주일설교
- Machine Learning
- probability
- Big Data
- 인공지능
- data science
- node.js
- openCV
- nodeJS
- 빅 데이타
- 빅 데이터
- 확률
- Artificial Intelligence
- 김양재
- WebGL
- 빅데이타
- Statistics
- MongoDB
- 몽고디비
- 빅데이터
- c++
- R
- 통계
- 데이터 과학
- 딥러닝
- 우리들교회
- 김양재 목사님
- 김양재 목사
- No SQL
Archives
- Today
- Total
목록Naive Bayes Spam Filter (1)
Scientific Computing & Data Science
[Artificial Intelligence / Machine Learning] Naive Bayes Spam Filter Part 1.
Written by Geol Choi | Nov. 07, 2016 이번 글에서는 Naive Bayes 이론을 기반으로 한 Spam Filter 작성에 대해 알아보도록 하겠습니다. Theoretical Background서로 종속적인 사건 A, B가 있을 때 사건 B가 일어났다는 전제 하에 사건 A가 일어날 확률은 다음과 계산됩니다: \(P(A\mid B) = \displaystyle{\frac{P(A \cap B)}{P(B)}}\) ...(1) 여기서 \(P(A \mid B)\)를 조건부 확률(Conditional Probability)이라고 하며, 이는 사건 A와 B가 동시에 일어날 확률, \(P(A \cap B)\)과 사건 B가 일어날 확률에 의해 결정됩니다. 즉, Bayes' Theorem이 의미하..
Artificial Intelligence/Machine Learning
2016. 11. 7. 22:44