【朴素贝叶斯】新闻分类Demo

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

def navieBayes():
    # 朴素贝叶斯进行分类
    # 获取数据，subset="all"是获取所有数据
    news = fetch_20newsgroups(subset="all")
    # 进行数据分割
    # 传参为特征值：news.data -> 文章，news.target -> 每篇文章所属类别，test_size -> 测试集的大小
    # x为特征值，y为目标值，train为训练集，test为目标集
    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()
    # 以训练集当中的 词的列表 进行 每篇文章 的重要性统计
    # x_train与x_test的特征数量（词的长度）是一样的
    x_train = tf.fit_transform(x_train)
    # 在训练集中统计了许多词建立成列表，并将其的重要性以二位数组的形式展现
    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)
    # 打印训练集的格式
    print(x_train.toarray())
    # x_train:训练集的特征值，y_train:训练集的目标值
    mlt.fit(x_train,y_train)
    # 得到预测出来的文章类别
    y_predict = mlt.predict(x_test)
    print("预测的文章类别为：",y_predict)
    # 得出准确率
    print(mlt.score(x_test,y_test))
if __name__ == '__main__':
    navieBayes()