【机器学习】朴素贝叶斯算法|商品评论情感分析案例介绍及代码实现

文章目录

朴素贝叶斯算法
- 朴素贝叶斯算法介绍
- - 概率数学基础复习
  - 朴素贝叶斯算法-利用概率值进行分类的一种机器学习算法
  - - 贝叶斯公式
    - 朴素贝叶斯算法
    - 拉普拉斯平滑系数
- 朴素贝叶斯API
- - 案例
  - - 分析流程
    - 数据集
    - 代码实现
    - 运行结果

朴素贝叶斯算法

朴素贝叶斯算法介绍

概率数学基础复习

条件概率 : 事件A在另外一个事件B已经发生条件下的发生概率 P(A|B)
联合概率 : 表示多个条件哦同时成立的概率 P(AB) = P(A) * P(B|A) = P(B) * P(A|B)

朴素贝叶斯算法-利用概率值进行分类的一种机器学习算法

贝叶斯公式

贝叶斯公式
- P© 表示c出现的概率
- p(W|C) 表示C条件下W出现的概率
- P(W) 表示 W 出现的概率
例子: 判断女神对你的喜欢情况

P(C | W) = P(喜欢 | (程序员，超重))
P(W | C) = P((程序员，超重) | 喜欢)
P© = P(喜欢)
P(W) = P(程序员，超重)

根据训练样本估计先验概率P©：
- P© = P(喜欢) = 4/7
根据条件概率P(W | C)调整先验概率：
- P(W | C) = P((程序员,超重) | 喜欢) = 1/4
''此时我们的后验概率
- P(W | C) * P©为：P(W | C) * P© = P((程序员,超重) | 喜欢) * P(喜欢) = 4/7 * 1/4 = 1/7
那么该部分数据占所有既为程序员，又超重的人中的比例是多少呢？
- P(W) = P(程序员,超重) = P(程序员) * P(超重 | 程序员) = 3/7 * 2/3 = 2/7

在这里插入图片描述

朴素贝叶斯算法

朴素贝叶斯在贝叶斯基础上增加：特征条件独立假设，即：特征之间是互为独立的。
此时，联合概率的计算即可简化为：
P(程序员,超重|喜欢) = P(程序员|喜欢) * P(超重|喜欢)
P(程序员,超重) = P(程序员) * P(超重)

拉普拉斯平滑系数

在这里插入图片描述

为了避免概率值为 0，我们在分子和分母分别加上一个数值，这就是拉普拉斯平滑系数的作用
- α 是拉普拉斯平滑系数，一般指定为 1
- Ni 是 F1 中符合条件 C 的样本数量
- N 是在条件 C 下所有样本的总数
- m 表示所有独立样本的总数

朴素贝叶斯API

sklearn.naive_bayes.MultinomialNB(alpha = 1.0）

朴素贝叶斯分类
alpha 拉普拉斯平滑系数

案例

需求已知商品评论数据，根据数据进行情感分类（好评、差评）

在这里插入图片描述

分析流程

# 1 获取数据
# 2 数据基本处理# 2-1 处理数据y# 2-2 加载停用词# 2-3 处理数据x 把文档分词# 2-4 统计词频矩阵 作为句子特征# 2-5 准备训练集测试集
# 3 模型训练# 4-1 实例化贝叶斯 添加拉普拉斯平滑参数
# 4 模型预测
# 5 模型评估

数据集

用.csv方式保存数据集

,内容,评价
0, 从编程小白的角度看，入门极佳。,好评
1,很好的入门书，简洁全面，适合小白。,好评
2,讲解全面，许多小细节都有顾及，三个小项目受益匪浅。,好评
3,前半部分讲概念深入浅出，要言不烦，很赞,好评
4,看了一遍还是不会写，有个概念而已,差评
5,中规中矩的教科书，零基础的看了依旧看不懂,差评
6,内容太浅显，个人认为不适合有其它语言编程基础的人,差评
7,破书一本,差评
8,适合完完全全的小白读，有其他语言经验的可以去看别的书,差评
9,基础知识写的挺好的！,好评
10,太基础,差评
11,略_嗦。。适合完全没有编程经验的小白,差评
12,真的真的不建议买,差评
13,很好很好,好评
14,买买买,好评

代码实现

import jieba
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt  # 绘图
from sklearn.feature_extraction.text import CountVectorizer  # 文本特征向量化
from sklearn.naive_bayes import MultinomialNB  # 多项式贝叶斯分类器def demo01():data = pd.read_csv('../data/书籍评价.csv', encoding='gbk')# 数据预处理# data['评论标号'] = np.where(data['评价'] == '好评', 1, 0)# y = data['评论标号']y = data['评价']# 加载停用词stopwords = []with open('../data/stopwords.txt', 'r', encoding='utf-8') as f:lines = f.readlines()for line in lines:stopwords.append(line.strip())stopwords = list(set(stopwords))  # 去重# 处理数据 分词comment_list = [','.join(jieba.lcut(line)) for line in data['内容']]# 特征工程transfer = CountVectorizer(stop_words=stopwords)x = transfer.fit_transform(comment_list)mynames = transfer.get_feature_names_out()x = x.toarray()print(mynames)# 准备训练集测试集x_train = x[:10, :]y_train = y.values[:10]x_test = x[10:, :]y_test = y.values[10:]# 模型训练model = MultinomialNB().fit(x_train, y_train)# 模型预测y_predict = model.predict(x_test)print('预测结果：\n', y_predict)print('实际结果：\n', y_test)print('准确率：\n', model.score(x_test, y_test))if __name__ == '__main__':demo01()