樸素貝葉斯完成新聞分類

樸素貝葉斯

樸素指的是"獨立"

樸素貝葉斯是分類算法,可以給出每種類别發生的機率

善于計算幾個獨立事件同時發生的機率(文章分類)

關于獨立事件(職業, 體型, 身高 各自獨立)

樣本編号	職業	體型	身高	女神的喜好
1	程式員	勻稱	很高	喜歡
2	産品	瘦	很矮	不看
3	美術	胖	中等
4
5
6

• 在女神喜歡的條件下, 職業是産品,并且身高很高, 并且體型勻稱的機率? 1/27

P(産品, 很高, 勻稱,|女神喜歡) = P(産品 | 女神喜歡) * P(很高 | 女神喜歡)* P( 勻稱 | 女神喜歡 ) 
1/27 = (1/3)*(1/3)*(1/3)
           

樸素貝葉斯公式:

W為文章的特征組(特定文章中各詞組出現的頻率)，C為特定的類别

上式等價式

• 公式右側

• P(F1, F2, ... | C) = P(F1 | C) * P(F2 | C) * (F... | C),表示 特定類别下,特定詞組出現的機率 的乘積
• P(C), 表示 特定類别的文章, 在所有文章中出現的機率
• P(F1, F2, F...) = P(F1) * P(F2) * P(F...) , 表示 特定詞組在所有文章中出現的機率 的乘積

案例:為文章進行分類

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():
    # 擷取資料集級
    news = fetch_20newsgroups(subset="all")
    # 分割資料集
    x_train, x_test, y_train, y_test = train_test_split(news.data, news.target, test_size=0.25)

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

    # 通過樸素貝葉斯進行預測(拉普拉斯平滑系數為設定為1)
    mlb = MultinomialNB(alpha=1)
    mlb.fit(x_train, y_train)

    rate = mlb.score(x_test, y_test)
    print("預測準确率為:", rate)

if __name__ == '__main__':
    naivebayes()
           

為文章進行分類