目录

1、朴素贝叶斯算法

1.1 案例

1.2 联合概率、条件概率、相互独立

1.3 贝叶斯公式

1.4 朴素贝叶斯算法原理

1.5 应用场景

2、朴素贝叶斯算法对文本进行分类

2.1 案例

2.2 拉普拉斯平滑系数

3、API

4、案例：20类新闻分类

4.1 步骤分析

4.2 代码分析

5、总结

---

1. sklearn转换器和估算器
2. KNN算法
3. 模型选择和调优
4. 朴素贝叶斯算法
5. 决策树
6. 随机森林

1、朴素贝叶斯算法

朴素？

假设：特征与特征之间是相互独立的

1.1 案例

1.2 联合概率、条件概率、相互独立

1.3 贝叶斯公式

1.4 朴素贝叶斯算法原理

朴素 + 贝叶斯

1.5 应用场景

• 文本分类（单词作为特征）

2、朴素贝叶斯算法对文本进行分类

2.1 案例

2.2 拉普拉斯平滑系数

3、API

4、案例：20类新闻分类

4.1 步骤分析

• 获取数据
• 划分数据集
• 特征工程  --文本特征抽取
• 朴素贝叶斯预估器流程
• 模型评估

4.2 代码分析

from sklearn.datasets import load_iris, fetch_20newsgroups
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.model_selection import train_test_split, GridSearchCV
from sklearn.naive_bayes import MultinomialNB
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScalerdef knn_iris():# 用KNN 算法对鸢尾花进行分类# 1、获取数据iris = load_iris()# 2、划分数据集x_train,x_test,y_train,y_test = train_test_split(iris.data,iris.target,random_state=6)# 3、特征工程 - 标准化transfer = StandardScaler()x_train = transfer.fit_transform(x_train)x_test = transfer.transform(x_test)# 4、KNN 算法预估器estimator = KNeighborsClassifier(n_neighbors=3)estimator.fit(x_train,y_train)# 5、模型评估# 方法1 ：直接比对真实值和预测值y_predict = estimator.predict(x_test)print("y_predict：\n",y_predict)print("直接比对真实值和预测值：\n",y_test == y_predict)# 方法2：计算准确率score = estimator.score(x_test,y_test)print("准确率为：\n",score)return Nonedef knn_iris_gscv():# 用KNN 算法对鸢尾花进行分类，添加网格搜索和交叉验证# 1、获取数据iris = load_iris()# 2、划分数据集x_train,x_test,y_train,y_test = train_test_split(iris.data,iris.target,random_state=6)# 3、特征工程 - 标准化transfer = StandardScaler()x_train = transfer.fit_transform(x_train)x_test = transfer.transform(x_test)# 4、KNN 算法预估器estimator = KNeighborsClassifier()# 加入网格搜索和交叉验证# 参数准备param_dict = {"n_neighbors":[1,3,5,7,9,11]}estimator = GridSearchCV(estimator,param_grid=param_dict,cv=10)estimator.fit(x_train,y_train)# 5、模型评估# 方法1 ：直接比对真实值和预测值y_predict = estimator.predict(x_test)print("y_predict：\n",y_predict)print("直接比对真实值和预测值：\n",y_test == y_predict)# 方法2：计算准确率score = estimator.score(x_test,y_test)print("准确率为：\n",score)# 最佳参数：best_params_print("最佳参数：\n",estimator.best_params_)# 最佳结果：best_score_print("最佳结果：\n",estimator.best_score_)# 最佳估计值：best_estimator_print("最佳估计值：\n",estimator.best_estimator_)# 交叉验证结果：cv_results_print("交叉验证结果：\n",estimator.cv_results_)return Nonedef nb_news():# 用朴素贝叶斯算法对新闻进行分类# 1、获取数据news = fetch_20newsgroups(subset="all")# 2、划分数据集x_train,x_test,y_train,y_test = train_test_split(news.data,news.target)# 3、特征工程：文本特征抽取-tfidftransfer = TfidfVectorizer()x_train = transfer.fit_transform(x_train)x_test = transfer.transform(x_test)# 4、用朴素贝叶斯算法预估器流程estimator = MultinomialNB()estimator.fit(x_train,y_train)# 5、模型评估# 方法1 ：直接比对真实值和预测值y_predict = estimator.predict(x_test)print("y_predict：\n", y_predict)print("直接比对真实值和预测值：\n", y_test == y_predict)# 方法2：计算准确率score = estimator.score(x_test, y_test)print("准确率为：\n", score)return Noneif __name__ == "__main__":# 代码1 ：用KNN算法对鸢尾花进行分类# knn_iris()# 代码2 ：用KNN算法对鸢尾花进行分类，添加网格搜索和交叉验证# knn_iris_gscv()# 代码3：用朴素贝叶斯算法对新闻进行分类nb_news()

5、总结