分类学习-贝叶斯分类

1、获取数据

from sklearn.datasets import fetch_20newsgroups         #导入新闻数据抓取器
news = fetch_20newsgroups(subset=all)
#print(len(news.data))
#print(news.data[0])

2、数据分割

#数据分割
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(news.data, news.target, test_size=0.25, random_state=33)#随机采样25%的数据样本作为测试集

3、文本转换

#将文本数据转换为向量
from sklearn.feature_extraction.text import CountVectorizer
vec = CountVectorizer()
X_train = vec.fit_transform(X_train)
X_test = vec.transform(X_test)

4、训练模型

#朴素贝叶斯分类器
from sklearn.naive_bayes import MultinomialNB
mnb = MultinomialNB()
mnb.fit(X_train, y_train)
y_predict = mnb.predict(X_test)

5、性能分析

#性能分析
from sklearn.metrics import classification_report
print('Accuracy of Naive Bates is: ',mnb.score(X_test, y_test))
print(classification_report(y_test,y_predict,target_names=news.target_names))

特点分析：朴素贝叶斯模型被广泛应用到海量互联网文本分类任务。由于其较强的特征条件独立假设，使得模型预测所需要估计的参数规模从幂指数量级向线性量级减少，极大地节约了内存消耗和计算时间。