朴素贝叶斯(naïve Bayes)
工作原理:
朴素贝叶斯之所谓为“朴素”,是因为整个形式化过程只做最原始,最简单的假设。朴素贝叶斯是贝叶斯决策伦的一部分,贝叶斯决策伦的核心思想是:
选择具有最高概率的决策。朴素贝叶斯有两个假设,一是特征之间是相互独立的,二是每个特征同等重要。这两个假设显然都是存在瑕疵的,然而实际效果却很好。
可以用
计算w情况下分类i的概率,当中w是向量,里面包含多个特征值。
优点:在数据较少的情况下仍然有效,可以处理多类别问题
缺点:对于输入数据的准备方式较为敏感
适用数据类型:标称型数据
使用朴素贝叶斯进行文档分类:
切割文本:
设有文本如下:
mySent='This book is the best book on Python or M.L. I have ever laid eyes upon.'
可以使用正则表达式来切割。
def textParse(bigString):
import re
listOfTokens = re.split(r'\W*', bigString)#切割单词,数字意外的任意字符串
return [tok.lower() for tok in listOfTokens if len(tok) > 2]#转为小写,筛选掉小于2个字符的单词,这些单词可能由url切割而来
切割后:
['this', 'book', 'is', 'the', 'b