目录
一、基础理论
二、实战：20条新闻分类
1、读取数据
2、训练集划分
3、特征工程（文本特征提取）
4、朴素贝叶斯算法训练
5、模型评估
方法一：预测值与真实值比对
方法二：计算准确率
总代码
一、基础理论
朴素贝叶斯算法：（朴素：假设数据集属性之间是相互独立的）因此算法的逻辑性十分简单,并且算法较为稳定,当数据呈现不同的特点时,朴素贝叶斯的分类性能不会有太大的差异。
朴素：假设特征与特征之间相互独立。
贝叶斯：贝叶斯公式。
贝叶斯公式：
最后概率最大的即为预测结果。
优点：
有稳定分类效率；
对确实数据不太敏感；
算法比较简单，适合于文本分类；
分类准确度高，速度快。
缺点：
由于有独立性假设，所以特征属性有关联时，分类效果不好。
二、实战：20条新闻分类
1、读取数据
# 1、读取数据news = fetch_20newsgroups(subset='all')#subset：获取训练集
2、训练集划分
# 2、数据集划分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、朴素贝叶斯算法训练
# 4、朴素贝叶斯算法estimstor = MultinomialNB()estimstor.fit(train_data, train_target)
5、模型评估
方法一：预测值与真实值比对
# 方法一：预测值与真实值比对predict = estimstor.predict(test_data)print(test_target == predict)
方法二：计算准确率
# 方法二：计算准确率score = estimstor.score(test_data, test_target)print('准确率', score)
总代码
# 新闻分类from sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerfrom sklearn.datasets import fetch_20newsgroupsfrom sklearn.feature_extraction.text import TfidfVectorizerfrom sklearn.naive_bayes import MultinomialNB# 1、读取数据news = fetch_20newsgroups(subset='all')#subset：获取训练集# 2、数据集划分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、朴素贝叶斯算法estimstor = MultinomialNB()estimstor.fit(train_data, train_target)# 5、模型评估# 方法一：预测值与真实值比对predict = estimstor.predict(test_data)print(test_target == predict)# 方法二：计算准确率score = estimstor.score(test_data, test_target)print('准确率', score)
