樸素貝葉斯演算法常用於文件的分類問題上，但計算機是不能直接理解文件內容的，怎麼把文件內容轉換為計算機可以計算的數字，這是自然語言處理（nlp）中很重要的內容。
tf-idf方法資料匯入和tf-idf
在sklearn中，通過load_files方法可以將子目錄的名字轉換為文件類別（target），將目錄所有文件讀入記憶體（data）。
通過tfidfvectorizer方法，將文件資料進行轉換：
from sklearn.feature_extraction.text import tfidfvectorizer
vect = tfidfvectorizer(encoding='latin-1')
x_train = vect.fit_transform(news_train.data)
樸素貝葉斯演算法使用sklearn.*****_bayes模組中的multinomialnb方法。
from sklearn.*****_bayes import multinomialnb
y_train = news_train.target
clf = multinomialnb(alpha=0.0001)
clf.fit(x_train, y_train)
train_score = clf.score(x_train, y_train)
# result
# 0.99787556904400609
簡單的，可以通過score方法來評估整個模型的精度。
news_test = load_files('data/379/test')
x_test = vect.transform(news_test.data)
y_test = news_test.target
clf.score(x_test, y_test)
# result
# 0.90881728045325783
也可以檢視我們的混淆矩陣。
sklearn之樸素貝葉斯實戰
multinomialnb 實現了資料服從多項式分布時的貝葉斯演算法。import numpy as np 隨機產生0 4之間的整數，產六組，一組100個 x np.random randint 5,size 6,10 y np.array 1,2,3,4,5,6 from sklearn.baye...
Sklearn實現樸素貝葉斯
sklearn 實現樸素貝葉斯 在scikit learn中，一共有3個樸素貝葉斯的分類演算法類。分別是gaussiannb，multinomialnb和bernoullinb。其中gaussiannb就是先驗為高斯分布的樸素貝葉斯，multinomialnb就是先驗為多項式分布的樸素貝葉斯，而be...
Sklearn實現樸素貝葉斯
sklearn 實現樸素貝葉斯 在scikit learn中，一共有3個樸素貝葉斯的分類演算法類。分別是gaussiannb，multinomialnb和bernoullinb。其中gaussiannb就是先驗為高斯分布的樸素貝葉斯，multinomialnb就是先驗為多項式分布的樸素貝葉斯，而be...