1. 机器学习算法分类
1.1 知识储备【朴素贝叶斯算法】
1.1.1 条件概率和联合概率
1.1.2朴素贝叶斯-贝叶斯公式
1.1.3 贝叶斯公式举例
拉普拉斯平滑
1.2 朴素贝叶斯算法案例
1.2.1 sklearn朴素贝叶斯实现API
1.2.2 算法案例和流程
-
sklearn 20类新闻分类
-
20个新闻组数据集包含20个主题的18000个新闻组帖子
-
朴素贝叶斯案例流程
- 1、加载20类新闻数据,并进行分割
- 2、生成文章特征词
- 3、朴素贝叶斯estimator流程进行预估
1.2.3 预测文本类别的相关代码
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
from sklearn.metrics import classification_report
def naviebayes():
"""
朴素贝叶斯进行文本分类
:return: None
"""
news = fetch_20newsgroups(subset='all')
# 进行数据分割
x_train, x_test, y_train, y_test = train_test_split(news.data, news.target, test_size=0.25)
# 对数据集进行特征抽取
tf = TfidfVectorizer()
# 以训练集当中的词的列表进行每篇文章重要性统计['a','b','c','d']
x_train = tf.fit_transform(x_train)
print(tf.get_feature_names())
x_test = tf.transform(x_test)
# 进行朴素贝叶斯算法的预测
mlt = MultinomialNB(alpha=1.0)
print(x_train.toarray())
mlt.fit(x_train, y_train)
y_predict = mlt.predict(x_test)
print("预测的文章类别为:", y_predict)
# 得出准确率
print("准确率为:", mlt.score(x_test, y_test))
print("每个类别的精确率和召回率:", classification_report(y_test, y_predict, target_names=news.target_names))
return None
if __name__ == "__main__":
naviebayes()
输出的结果为:
1.3 朴素贝叶斯分类优缺点
另外假设了文章中一些词与另外一些是没有关系的,-------》不太靠谱
而且,训练集去进行统计词这些工作,-------》会对结果造成影响
2. 分类模型的评估
2.1 精确率(Precision)和召回率(Recall)
![在这里插入图片描述](https://img-blog.csdnimg.cn/20201006172010819.png#pic_center