栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

机器学习 -朴素贝叶斯

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

机器学习 -朴素贝叶斯

贝叶斯的定义: 一件事发生的可能性

联合概率:是多个条件同时成立的概率

条件概率:事件A在事件B发生条件下的概率

注:朴素的含义又称为概率

贝叶斯使用的优缺点:

特别提醒:

为了防止在贝叶斯计算的过程中出现概率为0的情况。建议使用拉普拉斯平滑方法。

理解拉普拉斯平方法 实际操作是 同时在数据中加上一样的数值,进行计算。

注:贝叶斯计算出来的准确性无法进行进一步的提高。

贝叶斯的计算方法受到数据质量影响大

贝叶斯适用于文本分析,如对于文章,电影类型关键词的提取后对其他文章和电影进行分类。

def naivbayes():
    """
    朴素贝叶斯进行文本分类
    :return: None
    """
    news = fetch_20newsgroups(subset="all")
    #进行数据的分割 训练集合训练集
    x_train,x_test,y_train,y_test = train_test_split(news.data,news.target,test_size=0.25)

    #进行数据进行特征抽取
    tf = TfidfVectorizer()

    #训练集当中的词列表进行每篇文章重要性统计["a","b"]
    x_train = tf.fit_transform(x_train)

    print(tf.get_feature_names())
    
    x_test = tf.fit_transform(x_test)

    #贝叶斯算法预测
    mlt = MultinomialNB(alpha=1.0)

    print(x_train.toarry())

    mlt.fit(x_train,y_train)

    y_predict =mlt.predict(x_test)

    print("预测文章类别为:" ,y_predict)

    #得出准确率
    print("准确率为:",mlt.score(x_test,y_test))

    print("类别的精准率和召回率:",classification_report(y_test,y_predict,target_names=news.target_names))

    return None
if __name__ == "__main__":
    naivbayes()

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/890194.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号