朴素贝叶斯的原理

基于朴素贝叶斯公式，比较出后验概率的最大值来进行分类，后验概率的计算是由先验概率与类条件概率的乘积得出，先验概率和类条件概率要通过训练数据集得出，即为朴素贝叶斯分类模型，将其保存为中间结果，测试文档进行分类时调用这个中间结果得出后验概率。

TF-IDF原理

tf-idf（英语：term frequency–inverse document frequency）是一种用于信息检索与文本挖掘的常用加权技术。tf-idf是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。tf-idf加权的各种形式常被搜索引擎应用，作为文件与用户查询之间相关程度的度量或评级。除了tf-idf以外，互联网上的搜索引擎还会使用基于链接分析的评级方法，以确定文件在搜索结果中出现的顺序。

信息论基础（熵 联合熵 条件熵 信息增益 基尼不纯度）

熵

本是热力学中表征物质状态的参量之一，用符号S表示，其物理意义是体系混乱程度的度量。对于机器学习算法来说，熵指代香农熵，是一种不确定性度量。它是表示随机变量不确定的度量，是对所有可能发生的事件产生的信息量的期望。

联合熵

联合熵就是度量一个联合分布的随机系统的不确定度。

条件熵

条件熵H(Y|X)表示在已知随机变量X的条件下随机变量Y的不确定性。

信息增益

表示特征X使得类Y的不确定性减少的程度。（分类后的专一性，希望分类后的结果是同类在一起）
其中 I 为不纯度的度量，关于 N 的计算是划分后的个数加权。
I 为熵（Entropy）的时候，Delta 为信息增益。

基尼不存度

基尼不存度是指来自集合的某种结果随机应用于集合中某一数据的预期误差。（如果集合中所有结果属于同一类，则误差为0）

基本文本处理技能

分词的概念（分词的正向最大、逆向最大、双向最大匹配法）；

正向最大匹配法

对句子从左到右进行扫描，尽可能地选择与词典中最长单词匹配的词作为目标分词，然后进行下一次匹配。

逆向最大匹配法

对句子从右到左进行扫描，尽可能地选择与词典中最长单词匹配的词作为目标分词，然后进行下一次匹配。

双向最大匹配法

将正向最大匹配算法和逆向最大匹配算法进行比较，从而确定正确的分词方法。

恭喜您收到本课程的最后一个视频。

人工智能是一种超级大国，理解它可以让你做到这个星球上很少有人可以做到的事情。

让我们总结一下本课程中的内容。

AI是类固醇的自动化。

在现代人工智能兴起之前，自动化已经对很多工作产生了巨大的影响。

随着人工智能的兴起，我们现在可以实现自动化的一系列事物突然比以前大得多，因此这也对工作产生了加速的影响。

将有多少工作岗位流离失所？将创造多少新工作岗位？我认为任何人都没有对这些问题有坚定的答案，但让我们看看一些研究，试图了解可能会有什么进展。

每次出现诸如人工智能这样的技术性破坏时，它都会让我们有机会重塑这个世界。

人工智能是一项非常先进的技术，是对发达经济体和发展中经济体的影响。

那么，我们怎样才能确保即使人工智能创造了巨大的财富，它也能提升所有国家？让我们一起来看看。

人工智能非常强大，人工智能的绝大多数用户正在使人，公司，国家和社会变得更好。

但是人工智能也存在一些不良现象。

我们来看看其中的一些并讨论我们可以对它们做些什么。

尽管现代AI具有令人难以置信的强大功能，但现代AI技术的局限性之一，尤其是深度学习，有时候它可能会被愚弄。

特别是，现代人工智能系统有时会受到对抗性攻击，如果其他人故意故意将人工智能系统用于人工智能系统。

让我们来看看。

人工智能正在对社会和许多人的生活产生巨大影响。

所以，对于我们所有人做出好的决定，重要的是我们要有一个现实的人工智能观，既不太乐观，也不太悲观。

这就是我的意思。

你有没有读过金发姑娘和三只熊的故事。