9、从线性回归到朴素贝叶斯分类器

从线性回归到朴素贝叶斯分类器

1. 多类别分类

之前我们学习了使用逻辑回归进行二分类。然而，在许多分类问题中，存在两个以上的类别。多类别分类的目标是将一个实例分配到一组类别中的某一个。scikit - learn 使用“一对多”（one - versus - all，或 one - versus - the - rest）策略来支持多类别分类。这种策略为每个可能的类别使用一个二分类器，将预测置信度最高的类别分配给实例。

1.1 电影评论情感分类示例

假设你想看电影，但不想看差评电影，也不想看影评。我们可以使用 scikit - learn 来找出好评电影。这里将对烂番茄数据集（Rotten Tomatoes dataset）中电影评论的短语情感进行分类，每个短语可分为以下情感类别之一：负面、有点负面、中立、有点正面或正面。

1.1.1 数据探索

数据可从 http://www.labhenge.com/Datasets/sentiment.analysis.on.movie.reviews.data 下载，使用 pandas 探索数据集：

import pandas as pd
df = pd.read_csv('train.tsv', header=0, delimiter='\t')
print(df.count())

输出结果显示每个列都有 156060 个实例：

PhraseId       156060
SentenceId     1560