貝葉斯算法對文本進行分類實例

貝葉斯算法中最重要用的用的最廣的是

使用多項式樸素貝葉斯的地方是文本分類，其中特征與待分類文檔中的字數或頻率有關。

將使用20個新聞組語料庫中的稀疏字數功能來將這些短文檔分類。

數據集的介紹

使用 sklearn.datasets中的 fetch_20newsgroups

該數據集介紹

20 newsgroups數據集18000篇新聞文章，一共涉及到20種話題，所以稱作20 newsgroups text dataset，分文兩部分：訓練集和測試集，通常用來做文本分類.

詳細可看

https://blog.csdn.net/imstudying/article/details/77876159

開始

from sklearn.datasets import fetch_20newsgroups data = fetch_20newsgroups() data.target_names

1

2

3

['alt.atheism', 'comp.graphics', 'comp.os.ms-windows.misc', 'comp.sys.ibm.pc.hardware', 'comp.sys.mac.hardware', 'comp.windows.x', 'misc.forsale', 'rec.autos', 'rec.motorcycles', 'rec.sport.baseball', 'rec.sport.hockey', 'sci.crypt', 'sci.electronics',

1

2

3

4

5

6

7

8

9

10

11

12

13

機器學習

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。