朴素贝叶斯完成新闻分类

朴素贝叶斯

朴素指的是"独立"
朴素贝叶斯是分类算法,可以给出每种类别发生的概率
善于计算几个独立事件同时发生的概率(文章分类)

关于独立事件(职业, 体型, 身高 各自独立)

样本编号	职业	体型	身高	女神的喜好
1	程序员	匀称	很高	喜欢
2	产品	瘦	很矮	不看
3	美术	胖	中等	喜欢
4	产品	胖	中等	喜欢
5	程序员	胖	很矮	不看
6	美术	瘦	很高	不看

• 在女神喜欢的条件下, 职业是产品,并且身高很高, 并且体型匀称的概率? 1/27

P(产品, 很高, 匀称,|女神喜欢) = P(产品 | 女神喜欢) * P(很高 | 女神喜欢)* P( 匀称 | 女神喜欢 ) 
1/27 = (1/3)*(1/3)*(1/3)

朴素贝叶斯公式:

朴素贝叶斯

W为文章的特征组(特定文章中各词组出现的频率)，C为特定的类别

上式等价式

• 公式右侧

• P(F1, F2, ... | C) = P(F1 | C) * P(F2 | C) * (F... | C),表示 特定类别下,特定词组出现的概率 的乘积
• P(C), 表示 特定类别的文章, 在所有文章中出现的概率
• P(F1, F2, F...) = P(F1) * P(F2) * P(F...) , 表示 特定词组在所有文章中出现的概率 的乘积

案例:为文章进行分类

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

def naivebayes():
    # 获取数据集级
    news = fetch_20newsgroups(subset="all")
    # 分割数据集
    x_train, x_test, y_train, y_test = train_test_split(news.data, news.target, test_size=0.25)

    # 进行tfidf特征抽取
    tf = TfidfVectorizer()
    x_train = tf.fit_transform(x_train)
    x_test = tf.transform(x_test)

    # 通过朴素贝叶斯进行预测(拉普拉斯平滑系数为设置为1)
    mlb = MultinomialNB(alpha=1)
    mlb.fit(x_train, y_train)

    rate = mlb.score(x_test, y_test)
    print("预测准确率为:", rate)

if __name__ == '__main__':
    naivebayes()

为文章进行分类