概率图模型2-朴素贝叶斯之新闻类别划分

概率图模型2-朴素贝叶斯之新闻类别划分


- 新闻类别:财经、经济、军事、娱乐、体育……

1.导包

from sklearn import datasets 
from sklearn.naive_bayes import GaussianNB,BernoulliNB,MultinomialNB
# ENGLISH_STOP_WORDS:停用词 是助词标点符号对文章划分无益 这类词无足轻重可删除  比如中文:了,的,得,地等 停用词不是绝对不用的
from sklearn.feature_extraction.text import TfidfVectorizer,ENGLISH_STOP_WORDS
from sklearn.model_selection import train_test_split
 
frozenset({'a',
           'about',
            ...
           'yourself',
           'yourselves'})

2.数据加载

news = datasets.fetch_20newsgroups(data_home='./data/',subset='all') # data_home:数据路径 subset:数据子集-有训练、测试、全部数据
len(news['target'])
18846

news = datasets.fetch_20newsgroups(data_home='./data/',subset='all', # 加载一部分数据 
                                   remove= ('headers', 'footers', 'quotes'), # categories:类别
                                   categories = ['rec.motorcycles','rec.sport.hockey','talk.politics.guns'])
print(len(news['target']))
2905

3.文本数据向量化

  • TfidfVectorizer:向量化
tf_idf = TfidfVectorizer()
X = tf_idf.fit_transform(news['data'])
X
<2905x29045 sparse matrix of type '<class 'numpy.float64'>'
	with 251634 stored elements in Compressed Sparse Row format>

4.数据集加载

X_train,X_test,y_train,y_test = train_test_split(X,news['target'])  # X_train,X_test依然是稀松矩阵

5.数据建模

# 5.1 高斯分布朴素贝叶斯- 必须用toarray转化为稠密矩阵
%%time
gNB = GaussianNB()
gNB.fit(X_train.toarray(),y_train)
gNB.score(X_test.toarray(),y_test)
Wall time: 10.9 s
0.8500687757909215

# 5.2 伯努利分布朴素贝叶斯
%%time
bNB = BernoulliNB() # 二项分布
bNB.fit(X_train,y_train)
bNB.score(X_test,y_test)
Wall time: 68 ms
0.7317744154057771

# 5.3 多项式分布朴素贝叶斯
%%time
mNB = MultinomialNB()
mNB.fit(X_train,y_train)
mNB.score(X_test,y_test)
Wall time: 19.5 ms
0.9133425034387895
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

阿值

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值