概率：概率定義為一件事情發(fā)生的可能性
如：扔硬幣某一面朝上有50%概率
“樸素”貝葉斯：所有特征之間條件獨(dú)立

樸素貝葉斯-文檔分類

from sklearn.datasets import fetch_20newsgroups from sklearn.model_selection import train_test_split from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.naive_bayes import MultinomialNBdef naviebayes():# 準(zhǔn)備數(shù)據(jù)news = fetch_20newsgroups(subset="all")print(news.data)print(news.target)# 數(shù)據(jù)分割x_train,x_test,y_train,y_test = train_test_split(news.data,news.target,test_size=0.25)# 對數(shù)據(jù)集進(jìn)行特征抽取tf = TfidfVectorizer()# 以訓(xùn)練集當(dāng)中的詞的列表進(jìn)行每篇文章的重要性統(tǒng)計(jì)x_train = tf.fit_transform(x_train)print(tf.get_feature_names())x_test = tf.transform(x_test)# 進(jìn)行樸素貝葉斯算法的預(yù)測mlt = MultinomialNB(alpha=1.0)print(x_train.toarray())mlt.fit(x_train,y_train)y_predict= mlt.predict(x_test)print("預(yù)測的文章類別為：",y_predict)# 得出準(zhǔn)確率print("準(zhǔn)確率：",mlt.score(x_test,y_test))return Noneif __name__=="__main__":naviebayes()

總結(jié)

以上是生活随笔為你收集整理的机器学习-分类算法-朴素贝叶斯算法07的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。