朴素贝叶斯分类器基于词袋模型，通过词袋模型我们可识别出文本中出现的词属于积极还是消极，若这个词出现在积极的词语列表中，文本的总体分数 +1，若总体分数为正，该段文本被分类为积极，反之亦然。
朴素贝叶斯分类器不考虑仅仅小部分的积极或消极的词语，而关注朴素贝叶斯模型训练集中全部的词语。如果一个词语没有出现在训练集中，应用拉普拉斯平滑（用 1 代替词语的条件概率）处理。
一篇文档属于类别 C 的概率：

朴素贝叶斯文本分类
首先用”train()”函数输入 X 或 Y 的值， X 为包含了文档中所有词语的列表， Y为每个文档的分类标签的列表。




分类器通过训练集中所有文档的更新完成训练，并在所有文档中，建立每个类别的每个词语相对出现次数的的散列表（即python中的字典）。 每个类别中建立一个包含所有出现的词语列表。
用”calculate_relative_occurences“方法计算列表中每个词语出现的相对次数，应用python的counter模块，计算每个词语出现的次数并除以所有词语的数量，结果保存在字典 nb_dict 中，它包含了朴素贝叶斯分类器的训练结果。
分类新的文档也很容易，先计算每个类别的分类概率，然后选择概率最大的类别。

作者：ataspinar
本文为专栏文章，来自：数据工匠，内容观点不代表本站立场，如若转载请联系专栏作者，本文链接：https://www.afenxi.com/47158.html 。