[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:
这里 cj 可理解为文章的分类, c0 代表不合格, c1 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: