朴素贝叶斯算法（python）

朴素贝叶斯算法

优点：

• 算法原理和实现简单，常用于文本分类。
• 对小规模数据表现很好，适合多分类增量式训练任务。
• 对缺失数据不太敏感。

缺点：

• 对输入数据的表达形式很敏感
• 需要计算先验概率，分类决策存在错误率
• 要求样本之间相互独立，这就是“朴素”的意思，这个限制有时很难做到，或使用者误以为符合而造成错误的结果

适用数据类型：离散型数据。

朴素贝叶斯假设：数据集属性之间是相互独立的，即独立同分布。

朴素贝叶斯的思想基础是这样的：

对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。

朴素贝叶斯共有三种模型，他们的区别在于计算条件概率的公式不同：

• 高斯朴素贝叶斯 – 用于符合高斯分布（正态分布）的连续样本数据的分类
• 多项式朴素贝叶斯 – 我们已经介绍的内容就是多项式朴素贝叶斯模型
• 伯努利朴素贝叶斯 – 每个特征的取值为0或1，即计算特征是否存在的概率，他是唯一将样本中不存在的特征也引入计算概率的朴素贝叶斯模型

　　这三个类适用的分类场景各不相同，一般来说，如果样本特征的分布大部分是连续值，使用GaussianNB会比较好。如果如果样本特征的分大部分是多元离散值，使用MultinomialNB比较合适。而如果样本特征是二元离散值或者很稀疏的多元离散值，应该使用BernoulliNB。

使用 sklearn 实现朴素贝叶斯算法

sklearn 提供了朴素贝叶斯算法的实现类，用于多项模型

sklearn.naive_bayes.MultinomialNB(alpha=1.0, fit_prior=True, class_prior=None)
下面的列表中，我们将分类数称为 nc，将特征数称为 nf。

 构造参数
sklearn.naive_bayes.MultinomialNB 类构造参数

 

 类方法

fit(X, y[, sample_weight]) – 训练朴素贝叶斯模型
get_params([deep]) – 获取参数
set_params(**params) – 设置参数
partial_fit(X, y[, classes, sample_weight]) – 部分样本上的增量拟合
predict(X) – 预测
predict_log_proba(X) – 返回测试向量X的对数概率估计
predict_proba(X) – 返回测试向量X的概率估计
score(X, y[, sample_weight]) – 返回模型的平均精度

 

 

 

#coding=utf-8
import pandas as pd
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB

#原始数据
news = datasets.fetch_20newsgroups()
X = news.data
y = news.target
print(X[:1])
print(y[:5])
print('………………')

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.25)
#使用tf
tf = TfidfVectorizer()
X_train =tf.fit_transform(X_train)
X_test = tf.transform(X_test)

print(X_train[0:5])
print(tf.get_feature_names()[8000:8020])#打印部分分词特征名

#构建朴素贝叶斯模型
mlt = MultinomialNB(alpha=1.0)#alpha拉普拉斯平滑系数，防止概率为0出现
mlt.fit(X_train,y_train)

#结果预测与评分
y_predict = mlt.predict(X_test)
print("预测结果：",y_predict[0:10])
print("实际结果：",y_test[0:10])

#评分
print("准确度：",mlt.score(X_test,y_test))

 

 

 

 

 

 

 

 

 

 

 

原文链接：https://blog.csdn.net/DILIGENT203/article/details/83934809