1.原理:从由因推果到由果推因,贝叶斯公式
2.改进:由于属于某一个类别的可能性为0不妥,因此需要在分子加上拉普拉斯平滑系数α(一般为1),分母加上α*m(m为训练文档中统计出的所有特征词)
3.API:sklearn.naive_bayes.MultinominalNB(alpha=1.0)
from sklearn.datasets import fetch_20newsgroups
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TFidfVectorizer
from sklearn.naive_bayes import MultinomialNB
def naivebayes():
'''
朴素贝叶斯
:return:None
'''
# 1.导入数据集
news = fetch_20newsgroups(subset='all')
# 2.对数据进行分割
x_train,x_test,y_train,y_test=train_test_split(news.data,news.target,test_size=0.25)
# 3.对训练集进行特征抽取
tf=TfidfVectorizer()
# 4.以训练集当中词的列表进行每篇文章重要性统计
x_train=tf.fit_transform(x_train)
print(tf.get_feature_names())
x_test=tf.transform(x_test)
# 5.进行朴素贝叶斯算法的预测
mlt=MultinominalNB(alpha=0.1)
mul.fit(x_train,y_train)
y_predict=mlt.predict(x_test)
print("预测的文章类别为:",y_predict)
print("准确率为:",mlt.score(x_test,y_test))
return None
if __name__="__main__":
naivebayes()
4.优点:
- 朴素贝叶斯发源于古典数学理论,有稳定的分类效率
- 对缺失数据不太敏感,算法也比较简单,常用于文本分类
- 分类准确度高,速度快
5.缺点:由于使用了样本属性独立性的假设,所以如果样本属性有关联时其效果不好。也就是说,如果训练集文章中有很多干扰的词汇,会对分类结果造成干扰,神经网络会更好。