目錄

一、基礎理論

二、實戰：20條新聞分類

?1、讀取數據

2、訓練集劃分

3、特征工程（文本特征提取）

?4、樸素貝葉斯算法訓練

?5、模型評估

方法一：預測值與真實值比對

方法二：計算準確率

總代碼

---

一、基礎理論

樸素貝葉斯算法：（樸素：假設數據集屬性之間是相互獨立的）因此算法的邏輯性十分簡單,并且算法較為穩定,當數據呈現不同的特點時,樸素貝葉斯的分類性能不會有太大的差異。

樸素：假設特征與特征之間相互獨立。

貝葉斯：貝葉斯公式。

貝葉斯公式：

?最后概率最大的即為預測結果。

?

優點：

有穩定分類效率；

對確實數據不太敏感；

算法比較簡單，適合于文本分類；

分類準確度高，速度快。

缺點：

由于有獨立性假設，所以特征屬性有關聯時，分類效果不好。

二、實戰：20條新聞分類

?1、讀取數據

# 1、讀取數據
news = fetch_20newsgroups(subset='all')     #subset：獲取訓練集

2、訓練集劃分

# 2、數據集劃分
train_data, test_data, train_target, test_target = train_test_split(news.data, news.target)

3、特征工程（文本特征提取）

# 3、特征工程（文本特征抽取）
transfer = TfidfVectorizer()
train_data = transfer.fit_transform(train_data)
test_data = transfer.transform(test_data)

?4、樸素貝葉斯算法訓練

# 4、樸素貝葉斯算法
estimstor = MultinomialNB()
estimstor.fit(train_data, train_target)

?5、模型評估

方法一：預測值與真實值比對

# 方法一：預測值與真實值比對
predict = estimstor.predict(test_data)
print(test_target == predict)

方法二：計算準確率

# 方法二：計算準確率
score = estimstor.score(test_data, test_target)
print('準確率', score)

總代碼

# 新聞分類
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.datasets import fetch_20newsgroups
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB# 1、讀取數據
news = fetch_20newsgroups(subset='all')     #subset：獲取訓練集# 2、數據集劃分
train_data, test_data, train_target, test_target = train_test_split(news.data, news.target)# 3、特征工程（文本特征抽取）
transfer = TfidfVectorizer()
train_data = transfer.fit_transform(train_data)
test_data = transfer.transform(test_data)# 4、樸素貝葉斯算法
estimstor = MultinomialNB()
estimstor.fit(train_data, train_target)# 5、模型評估
# 方法一：預測值與真實值比對
predict = estimstor.predict(test_data)
print(test_target == predict)# 方法二：計算準確率
score = estimstor.score(test_data, test_target)
print('準確率', score)

總結

以上是生活随笔為你收集整理的机器学习（8）朴素贝叶斯算法（20条新闻分类）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。