朴素贝叶斯算法python实现可视化结果_朴素贝叶斯python代码实现

朴素贝叶斯

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

贝叶斯准则：

使用朴素贝叶斯进行文档分类

朴素贝叶斯的一般过程

(

1

)收集数据：可以使用任何方法。本文使用

RSS

源

(

2

)准备数据：需要数值型或者布尔型数据

(

3

)分析数据：有大量特征时，绘制特征作用不大，此时使用直方图效果更好

(

4

)训练算法：计算不同的独立特征的条件概率

(

5

)测试算法：计算错误率

(

6

)使用算法：一个常见的朴素贝叶斯应用是文档分类。可以在任意的分类场景中使用朴

素贝叶斯分类器，不一定非要是文本。

准备数据：从文本中构建词向量

摘自机器学习实战。

[['my','dog','has','flea','problems','help','please'],

0

['maybe','not','take','him','to','dog','park','stupid'],

1

['my','dalmation','is','so','cute','I','love','him'],

0