【二十】机器学习之路——朴素贝叶斯实战(文本分类)

[写在前面：最近工作上事情比较多，加上年终述职和元旦假期去首都玩了一次，导致这篇博客前前后后写了快有半个月，跨越了2017和2018年，意义非凡。在这里祝大家新年快乐，也希望自己在新的一年能够坚持学习，提升自己！]

  上一篇博客机器学习之路——朴素贝叶斯分类写到了朴素贝叶斯的理论知识，今天来讲一下朴素贝叶斯实战——文本分类，本文内容参考《机器学习实战》。

  举个简单的例子，我们在网上发帖的时候，如果文章里有侮辱性的词汇的话，系统会识别该文章为不合格，并禁止发表，那么网络平台就需要一个过滤器来帮助其完成识别的工作。简单化该问题，假设我们需要将每篇文章分为两类：侮辱性1和非侮辱性0。如何利用朴素贝叶斯来进行分类呢？

  还记得朴素贝叶斯的公式么：

$P(c_{i}|w)=\frac{P(w|c_{i})\cdot P(c_{i})}{P(w)}$
这里 $c_{j}$可理解为文章的分类， $c_{0}$代表不合格， $c_{1}$代表合格。 $w$可以理解为文章的各个特征，即词汇，每个词汇都算是一篇文章的独立特征，假设有n个独立特征，所有词都相互独立，上式可以写成：

P(ci|w)=P(w0,w1,w2,...,wn|