老孟的文章

我是一名 80 后，写过多年代码，讲过很多年课，积累了丰富经验。如今，想把这些经验整理，通过我的博客分享给大家。点击前往老的B站主页

机器学习《垃圾邮件识别器》（二）Tkinter
项目的第一步就是编写需要的界面，我们使用 Python 标准的 GUI 库 Tkinter 来实现。这一节就快速学习该库中将会用到的控件，为搭建图形界面做准备。主窗口主菜单文本控件其他控件 1...
老孟2017-12-13327503
机器学习《垃圾邮件识别器》（三）界面搭建
通过前面学习的 Tkinter 知识，这一节我们将《垃圾邮件识别器》所需要的界面搭建起来，界面主要包括：主窗口顶部菜单中心文本框底部状态栏 1. 主窗口创建 MainFrame.py 文件，...
老孟2017-12-12306105
机器学习《垃圾邮件识别器》（四）算法理论
这一节我们将通过学习贝叶斯公式、朴素贝叶斯、文本分类案例三部分来了解垃圾邮件识别的算法原理。通过这三部分的学习，将对朴素贝叶斯算法的原理有更加深刻的理解，为实现后续功能提供算法理论支撑。
老孟2017-12-11425606
机器学习《垃圾邮件识别器》（五）Scikit-Learn
Scikit-Learn 是一个用于机器学习和数据分析的 Python 库，它提供了各种用于数据预处理、特征工程、模型选择、模型训练和模型评估的工具和算法。我们使用到的朴素贝叶斯算法实现，以及文本特征...
老孟2017-12-10392904
机器学习《垃圾邮件识别器》（六）数据处理
垃圾邮件分类是一种具有广泛应用场景的二分类问题，可以利用机器学习进行解决，市场上已经有很成熟的垃圾邮件分类软件或集成在 Outlook上的垃圾邮件过滤插件。接下来，我们使用朴素贝叶斯算法训练一个《垃...
老孟2017-12-09617603
机器学习《垃圾邮件识别器》（七）训练评估
这一章节主要涉及算法模型训练、算法模型评估、算法模型封装：算法模型训练：模型使用已标记的垃圾邮件和非垃圾邮件样本来学习如何识别垃圾邮件；算法模型评估：使用测试数据来评估模型的性能；算法模型封...
老孟2017-12-09419601
机器学习《垃圾邮件识别器》（八）收尾工作
这一部分主要完成两个任务： 1. 完成代码在开发的 MainFrame 界面中集成邮件识别器 RecognizerMail。修改 MainFrame 的 init 方法中初始化邮件识别器，并实现 o...
老孟2017-12-08299525
机器学习朴素贝叶斯文本分类案例
我们通过一个案例，来了解朴素贝叶斯如何实现垃圾邮件分类。步骤为：文本转换为数值朴素贝叶斯训练朴素贝叶斯推理我们使用到的训练数据如下：样本标签您中奖了！点击链接领取您的百万大奖。垃圾免...
老孟2016-10-09214304
机器学习朴素贝叶斯（Naive Bayes）
当我们将贝叶斯公式应用到实际问题中时，我们发现存在问题。接下来，我们结合下面的数据来看看存在哪些问题。数据如下：样本数职业体型是否喜欢 1 程序员超重不喜欢 2 产品匀称喜欢 3 程序...
老孟2016-09-01241902
Python Python 打包可执行文件
在 Python中，我们可以使用各种工具来将 Python 代码打包成可执行文件，以便在没有 Python 解释器的环境中运行。接下来，我们将了解下如何在 Windows 和 Mac 系统上实现打包可...
老孟2016-04-19147103
C/C++C++ constexpr 关键字
constexpr 是 C++11 中增加的关键字，我们可以使用该关键字定义以下对象： 1. 编译期常量； 2. 编译期计算的常量表达式函数； 3. 编译期自定义对象。
老孟2014-04-03211602

1...14 1516

老孟的文章

机器学习 《垃圾邮件识别器》（二）Tkinter

机器学习 《垃圾邮件识别器》（三）界面搭建

机器学习 《垃圾邮件识别器》（四）算法理论

机器学习 《垃圾邮件识别器》（五）Scikit-Learn

机器学习 《垃圾邮件识别器》（六）数据处理

机器学习 《垃圾邮件识别器》（七）训练评估

机器学习 《垃圾邮件识别器》（八）收尾工作

机器学习 朴素贝叶斯文本分类案例

机器学习 朴素贝叶斯（Naive Bayes）

Python Python 打包可执行文件

C/C++C++ constexpr 关键字

老孟 的文章

老孟的文章