貝葉斯算法中最重要用的用的最廣的是

使用多項式樸素貝葉斯的地方是文本分類，其中特征與待分類文檔中的字數或頻率有關。

將使用20個新聞組語料庫中的稀疏字數功能來將這些短文檔分類。

數據集的介紹

使用 sklearn.datasets中的 fetch_20newsgroups

該數據集介紹

20 newsgroups數據集18000篇新聞文章，一共涉及到20種話題，所以稱作20 newsgroups text dataset，分文兩部分：訓練集和測試集，通常用來做文本分類.

詳細可看
https://blog.csdn.net/imstudying/article/details/77876159

開始

from sklearn.datasets import fetch_20newsgroups data = fetch_20newsgroups() data.target_names ['alt.atheism','comp.graphics','comp.os.ms-windows.misc','comp.sys.ibm.pc.hardware','comp.sys.mac.hardware','comp.windows.x','misc.forsale','rec.autos','rec.motorcycles','rec.sport.baseball','rec.sport.hockey','sci.crypt','sci.electronics',

總結

以上是生活随笔為你收集整理的贝叶斯算法对文本进行分类实例的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。