python机器学习之朴素贝叶斯分类器_python机器学习入门1.5《使用朴素贝叶斯分类器对20类新闻分类》

朴素贝叶斯通常是用于文本分类，通过计算每种类别的概率，其中寻找最大的概率所在的类别，即为结果分类。

朴素的意思为假定文本属性之间是相互独立的。

有时需要用到拉布拉斯平滑系数。

优点：对缺失值不敏感，速度快。

缺点：由于假设样本特征相互独立，所以样本属性关联强的时候，分类效果不好。

下面以20条新闻为例：

首先引入类

from sklearn.datasets import fetch_20newsgroups

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB

然后定义函数：

def nb_news():
    #朴素贝叶斯对新闻进行分类
    #1 获取数据
    news=fetch_20newsgroups(subset="all")
    # 2.划分数据集
    x_train,x_test,y_train,y_test=train_test_split(news.data,news.target)
    # 3.特征工程：tfidf
    transfer=TfidfVectorizer()
    x_train=transfer.fit_transform(x_train)
    x_test=transfer.transform(x_test) #此处若用fit_transform，会报维度不匹配的错误
    # 4.朴素贝叶斯
    estimator=MultinomialNB()
    estimator.fit(x_train,y_train)
    # 5.模型评估
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("直接比对真实值和预测值：\n", y_test == y_predict)
    # 2.计算准确率
    score = estimator.score(x_test, y_test)
    print("准确率为：\n", score)
    return None

结果为：