朴素贝叶斯算法基础——案例:对新闻进行分类

贝叶斯公式

朴素:假设特征与特征之间相互独立

朴素贝叶斯算法:朴素+贝叶斯

应用场景:文本分类(单词作为特征)

拉普拉斯平滑系数

Ni:F1词在C类别所有文档中出现的次数

N:所属类别C下的文档所有词出现的次数和

a:指定的系数一般为1

m:训练文档中统计出的特征词个数

不懂没关系,会用API就行!!!!!

API:

sklearn.naive_bayes.MultinomialNB(alpha = 1.0)

  • 朴素贝叶斯分类
  • alpha:拉普拉斯平滑系数

案例:

1、获取数据

2、划分数据集

3、特征工程------文本特征抽取

4、朴素贝叶斯算法的

5、模型评估

python 复制代码
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import GridSearchCV
from sklearn.datasets import fetch_20newsgroups
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB

#用朴素贝叶斯算法对新闻进行分类
#获取数据
news = fetch_20newsgroups(subset = 'all')
#数据集划分
x_train,x_test,y_train,y_test = train_test_split(news.data,news.target)
print(x_train)
#特征工程------文本特征抽取
transfer = TfidfVectorizer()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)

#朴素贝叶斯算法预估器流程
estimator = MultinomialNB()
estimator.fit(x_train,y_train)
#模型评估
#方法一:直接比对真实值和预测值
y_predict = estimator.predict(x_test)
print("y_predict:\n",y_predict)
print("对真实值和预测值:\n",y_test == y_predict)
#方法二:计算准确率
score = estimator.score(x_test,y_test)
print("准确值为:\n",score)
相关推荐
LGL6030A1 小时前
算法题实战积累(3)——方块转换(C语言)
c语言·算法
一条星星鱼1 小时前
深度学习是如何收敛的?梯度下降算法原理详解
人工智能·深度学习·算法
长路归期无望4 小时前
C语言小白实现多功能计算器的艰难历程
c语言·开发语言·数据结构·笔记·学习·算法
MobotStone5 小时前
AI训练的悖论:为什么越追求准确率越会产生幻觉?
算法
moshumu15 小时前
局域网访问Win11下的WSL中的jupyter notebook
ide·python·深度学习·神经网络·机器学习·jupyter
大饼酥5 小时前
吴恩达机器学习笔记(10)—支持向量机
机器学习·支持向量机·吴恩达·高斯核函数
怀旧,6 小时前
【C++】26. 智能指针
开发语言·c++·算法
Haooog6 小时前
654.最大二叉树(二叉树算法)
java·数据结构·算法·leetcode·二叉树
Swift社区6 小时前
LeetCode 392 判断子序列
算法·leetcode·职场和发展
芒果量化6 小时前
ML4T - 第7章第8节 利用LR预测股票价格走势Predicting stock price moves with Logistic Regression
算法·机器学习·线性回归