狗熊会案例教学线上研讨 | 朴素贝叶斯与K近邻分类：基于商品名称的自动化分类
狗熊会·案例教学线上研讨会面向高校统计学、数据科学专业教师，探讨如何通过案例增强教学效果，帮助学生将专业知识转化为解决实际问题的技能。请各位老师点击“阅读原文”获取参会方式。
报告标题：朴素贝叶斯与K近邻分类：基于商品名称的自动化分类
报告时间：2021-3-11 星期四 20:00
报告嘉宾：王菲菲
参会方式：点击【阅读原文】获取
分类问题是机器学习中一类非常重要的研究问题，也是产业实践中经常碰到的问题。传统的机器学习或者数据挖掘课程，重点讲解各种分类器的理论和模型推导，但往往缺乏与实践的连接。很多学生在学习模型时容易感觉枯燥和难于理解，工作后也无法直接应用模型工具来解决实际问题。狗熊会推荐各位老师在讲解模型的过程中加入来自实践领域的案例，来帮助学生更加深入地理解模型，提高教学效果。本期教学分享会我们选择了一个来自电商行业的具体研究问题，我们以商品自动分类为例讲解两种常用的分类方法，即朴素贝叶斯和K近邻分类，通过该案例示范如何在分类模型的教学中结合案例实践，从而加深学生对模型的理解、提高学生的实际应用能力。
知识要点
本次案例分享包含如下知识点：
1.如何对文本数据进行基本处理和描述性分析
2.了解朴素贝叶斯分类器的模型和原理
3.了解K近邻分类的模型和原理
4.在文本分类中如何进行特征筛选
5.分类建模时如何评价分类模型的效果
研讨收获
通过本次案例研讨，参会者可有以下收获：
第一，了解基于标题的商品自动分类案例的业务背景，掌握为类似商业问题构建数据解决方案基本思路；
第二，建立相关案例业务细节与朴素贝叶斯/K近邻分类模型教学知识点之间的映射关系，帮助学生建立理论与实践之间的关联，破解专业教学中知易行难的问题；
第三，了解如果将模型理论讲解和实际案例分析相融合，从而丰富课堂内容和表现形式，提高教学效果和课程吸引力。
个人简介
狗熊会·案例教学线上研讨会活动旨在帮助高校统计学及相关专业老师提高案例教学的水平，提高基于案例讲授相关专业知识的能力，提高课堂教学质量，改善学生学习体验。因此，本次活动仅对高校在职教师开放。欢迎各位老师点击【阅读原文】进行报名。非教师朋友恕不接待，敬请谅解！