朴素贝叶斯算法实现

20newsgroups数据集是用于文本分类、文本挖据和信息检索研究的国际标准数据集之一。数据集收集了大约20,000左右的新闻组文档，均匀分为20个不同主题的新闻组集合。

对于数据集的使用，我们直接使用20newsgroups，在运行程序时，pycharm会提供一个下载数据的位置，点击下载即可。（下载的数据导入方法在下一个图文消息中）

from sklearn.naive_bayes import MultinomialNB
from sklearn.datasets import fetch_20newsgroups
#导入划分数据集方法
from  sklearn.model_selection import train_test_split
#导入标准化方法
from sklearn.preprocessing import StandardScaler
#导入特征抽取方法
from sklearn.feature_extraction.text import TfidfVectorizer
#导入精确率和召回率
from sklearn.metrics import classification_report
import pandas as pd

def bayes():
    """
    通过朴素贝叶斯进行文本分类
    :return:None
    """
    news = fetch_20newsgroups(subset='all')
    #进行数据分割，划分数据集
    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()
    #以训练集中词的列表进行每篇文章的重要性统计
    x_train = tf.fit_transform(x_train)
    print(tf.get_feature_names())
    x_test = tf.transform(x_test)
    #朴素贝叶斯算法的实现
    mn = MultinomialNB(alpha=1.0)
    print(x_train.toarray())
    mn.fit(x_train,y_train)
    y_predict = mn.predict(x_test)
    print("预测文章类别：",y_predict)
    #得出准确率
    print("准确率为：",mn.score(x_test,y_test))

    print("每一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__":
    bayes()

代码流程：

1，划分数据集（将数据划分为训练集和测试集）

2，对数据进行特征抽取（方便后期算法的分类）

3，朴素贝叶斯算法的实现