Basis van machine learning

20% van alle e-mails is spam. Een bepaald woord komt voor in 50% van de spammails en in 5% van de andere e-mails. Welke waarde ligt het dichtst bij de kans dat een e-mail met dit woord spam is?

A0,10
B0,50
C0,71

Antwoord en toelichting tonen

Antwoord: C. 0,71

Volgens de stelling van Bayes is P(spam | woord) = P(woord | spam) × P(spam) ÷ P(woord). De teller is 0,5 × 0,2 = 0,10, en de kans dat het woord voorkomt is P(woord) = 0,5 × 0,2 + 0,05 × 0,8 = 0,14, dus 0,10 ÷ 0,14 ≈ 0,71. Naive-Bayesclassificatie voert deze berekening uit door aan te nemen dat meerdere woorden (kenmerken) binnen elke klasse onderling onafhankelijk zijn en hun kansen te vermenigvuldigen; ze wordt al lang voor spamdetectie gebruikt.

Dit onderwerp oefenen Naar de onderwerppagina

Meer vragen over Basis van machine learning

Welke logische functie kan niet worden weergegeven door een enkelvoudig perceptron dat alleen uit een invoerlaag en een uitvoerlaag bestaat (één neuron dat met een drempel 0 of 1 uitvoert)?
Bij classificatie met drie klassen zijn de waarden die in de softmaxfunctie gaan (logits) 3, 1 en 0. Ongeveer hoeveel keer zo groot is de uitvoer (kans) van de eerste klasse als die van de tweede klasse? Welke waarde ligt het dichtst bij het antwoord?
Een klein neuraal netwerk met de invoer x₁ = 1 en x₂ = 2 heeft twee verborgen neuronen h₁ = ReLU(x₁ + x₂ − 1) en h₂ = ReLU(x₁ − 2x₂ + 1) en de uitvoer y = 2h₁ + 3h₂ + 1. Wat is de waarde van y?
Zij p de kans die een model aan de juiste klasse toekent. Welke beschrijving van het kruisentropieverlies −log p, dat wordt gebruikt om classificatiemodellen te trainen, is juist?
Bij gradiëntafdaling is de gradiënt van het verlies ∂L/∂w bij het gewicht w = 2,0 gelijk aan 0,5 en is de leersnelheid 0,1. Wat is het gewicht na één update?