分类算法-朴素贝叶斯

一.数据集介绍

20 newsgroups数据集18000篇新闻文章，一共涉及到20种话题，所以称作20 newsgroups text dataset，分文两部分：训练集和测试集，通常用来做文本分类.。

在sklearn中，该模型有两种装载方式，第一种是sklearn.datasets.fetch_20newsgroups，返回一个可以被文本特征提取器

（如sklearn.feature_extraction.text.CountVectorizer）自定义参数提取特征的原始文本序列；第二种是sklearn.datasets.fetch_20newsgroups_vectorized，返回一个已提取特征的文本序列，即不需要使用特征提取器。

二.数据集的下载

sklearn.datasets.fetch_20newsgroups从互联网下载太慢，离线下载解决办法；

1.下载地址：https://ndownloader.figshare.com/files/5975967

2.复制到：C:\Users\(你的user_name)\scikit_learn_data\20news_home目录下（文件目录不存在，则自己创建）

3.去python的安装目录修改配置文件：

二.数据集的下载二.数据集的下载三.朴素贝叶斯算法代码

    P(y|x)是后验概率，一般是我们求解的目标。
    P(x|y)是条件概率，又叫似然概率，一般是通过历史数据统计得到。一般不把它叫做先验概率，但从定义上也符合先验定义。
    P(y) 是先验概率，一般都是人主观给出的。贝叶斯中的先验概率一般特指它。
    P(x)其实也是先验概率，只是在贝叶斯的很多应用中不重要（因为只要最大后验不求绝对值），需要时往往用全概率公式计算得到。