樸素貝葉斯

eg:以fetch_20newsgroups新聞資料集為例，進行分類：

import numpy as np

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.datasets import fetch_20newsgroups
from sklearn.*****_bayes import multinomialnb
news =
fetch_20newsgroups
(subset=
'all'
)# 進行資料分割
x_train, x_test, y_train, y_test =
train_test_split
(news.data, news.target, test_size=
0.25
)# 對資料集進行特徵抽取
tf =
tfidfvectorizer()
#以訓練集當中的詞的列表進行每篇文章重要性統計
#test集直接呼叫transform
x_train = tf.
fit_transform
(x_train)
x_test = tf.
transform
(x_test)   
# 進行樸素貝葉斯演算法的**
mlt =
multinomialnb
(alpha=
1.0)
mlt.
fit(x_train, y_train)
y_predict = mlt.
predict
(x_test)
# 得出準確率
score=mlt.
score
(x_test, y_test)

樸素貝葉斯

樸素貝葉斯演算法是一種基於概率統計的分類方法，它主要利用貝葉斯公式對樣本事件求概率，通過概率進行分類。以下先對貝葉斯公式做個了解。對於事件a b，若p b 0，則事件a在事件b發生的條件下發生的概率為 p a b p a b p b 將條件概率稍作轉化即可得到貝葉斯公式如下 p a b p b a ...

樸素貝葉斯

1.準備資料 從文字中構建詞向量 2.訓練演算法 從詞向量計算概率 3.測試演算法 儲存為 bayes.py 檔案 參考 coding utf 8 from numpy import 文字轉化為詞向量 def loaddataset postinglist my dog has flea probl...

樸素貝葉斯

機器學習是將資料轉化為決策面的過程 scikit learn縮寫為sklearn 訓練乙個分類器，學習之後 其處理的準確性 def nbaccuracy features train,labels train,features test,labels test from sklearn.bayes ...