机器学习之朴素贝叶斯算法

学习这个算法前，得知道一些概率论上面得知识。

 

 

 

 

 

 

 因此，使用朴素贝叶斯算法前，首先需要保证各个特征之间要保持相互独立。

API：sklearn.naive_bayes.MultinomialNB

 

 

 

 alpha时拉普拉斯平滑系数，默认为1。其作用时防止分类得时候类别为0时导致统计结果为0。

 

 上个例子：

读取20类新闻文本，并且将这些新闻文本划分为测试集和训练集，预测测试集的分类。

上代码：

from sklearn.datasets import fetch_20newsgroups
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.model_selection import train_test_split

def naviebayes():
    '''
    朴素贝叶斯进行文本分类
    :return:
    '''

    #加载数据集
    news = fetch_20newsgroups(subset='all')

    #将数据分割为训练集和测试集
    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 使用TF-IDF方法
    tf = TfidfVectorizer()

    #以训练集当中的词的列表进行每篇文章重要性统计
    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))

if __name__ == '__main__':
    naviebayes()

 

 准确度为 85%。还是不错的

通过这个例子，可以得出朴素贝叶斯算法时不需要调参的。

其优点时，分类效率高、算法简单、速度快。

缺点是需要样本特征之间相互独立；因为此算法时不需要调参，所以分类精度一旦计算出来就很难再提高。