基于朴素贝叶斯算法的新闻提要分类器
newsFeedClassifier-CS331的Python项目详细描述
朴素贝叶斯分类器
========
=>又一个通用朴素贝叶斯分类器。
NaiveBayesClassifier
```
因此，您最好将此数据称为您的训练集。
"
来自NaiveBayesClassifier的导入标记器
来自NaiveBayesClassifier的导入标记器。Trainer导入Trainer
来自NaiveBayesClassifier的导入标记器。分类器导入标记器
NewsTrainer=Trainer（标记器。标记器（stop_words=[]，签名"删除"=["？！%&；"]）
{'text'：'不要忽视锻炼'，'category'：'health'}，
{'text'：'叙利亚是主要问题，奥巴马说，'category'：'politics'}，
{'text'：'吃东西减肥'，'category'：'health'}，
{'text'：'你不应该吃太多'，"类别"："健康"}
]
对于新闻集中的新闻：
newstrainer.train（news['text'，news['category']）
tokenizer.tokenizer（stop_words=[]，signs_to_remove=["？！%&；"]）
不可能减肥吗"
classification=newsscriptor.classification（未知实例）
训练数据比上面例子中的数量还要多。实际上，像这个例子中这样的几行文字是不可能成为足够的训练集的。
相反，这里引用了一个最有说服力的解释。
>；贝叶斯分类刷新器：假设您有一组类
>；（例如类别）c:={c 1，…，cu n}，以及一个文档d，包含单词d:={w1，…，wu k}。我们希望确定在给定一组与文档和类相关联的训练数据的情况下，文档属于某个C类的概率
>；
>；
>；
>；根据贝叶斯定理，我们得到了
>；
>；p（c_j_d）=p（d_c_j）*p（c_j）/p（d）。
>；
>；
>；lhs是给定文档本身，文档属于c_j
>；类的概率（实际上，这意味着该文档中出现的单词
>；频率），我们的程序将
>；计算每个j的该概率，并找出最有可能的
>；为该文档分类。
>；
>；p（c_j）被称为"优先"概率，或文档通常属于c_j的概率，而不首先看到
>；文档。p（d c_j）是看到这种
>；文档的概率，假设它属于c_j。这里，假设单词
>；独立出现在文档中（这是"天真的"假设），我们可以估计
>；
>；p（d c_j）~=p（w_1 c_j）*…*p（w_k c_j）
>；
>；其中p（w_i c_j）是看到给定单词的概率a
>；给定类的文档。最后，p（d）只能被视为一个
>；比例因子，与分类无关，
>；除非您希望将结果分数标准化并实际看到
>；概率。在这种情况下，请注意
>；
>；p（d）=和j（p（d c_j）*p（c_j））
>；
>；执行这些计算的一个实际问题是计算p（d c_j）时，float64下溢的可能性，因为
>；单个单词的概率可以任意小，而且
>；文档可以包含任意数量的文档。处理此情况的典型方法是将概率转换为
>；对数域并执行加法而不是乘法：
>；
>；log p（c_j d）~log（p（c_j））+sum i（log p（w_i c_j））
>；
>；其中i=1，…，k.请注意，这样做，我们将丢弃缩放因子p（d），分数不再是概率；
>；但是，分数的单调关系由
>；log函数保持。
您可能会发现下面的列表很有用：
*[昆虫示例][2]
*[斯坦福大学nlp-贝叶斯分类器][3]
如果你的训练集很大，你可以依赖可用的标记器，否则，您需要有一个更好的标记器专门用于您的培训文本的语言。
http://nlp.stanford.edu/ir book/html/htmledition/naive-bayes-text-classification-1.html
[4]：https://github.com/muatik/naive-bayes-classifier
========
=>又一个通用朴素贝叶斯分类器。
NaiveBayesClassifier
```
因此，您最好将此数据称为您的训练集。
"
来自NaiveBayesClassifier的导入标记器
来自NaiveBayesClassifier的导入标记器。Trainer导入Trainer
来自NaiveBayesClassifier的导入标记器。分类器导入标记器
NewsTrainer=Trainer（标记器。标记器（stop_words=[]，签名"删除"=["？！%&；"]）
{'text'：'不要忽视锻炼'，'category'：'health'}，
{'text'：'叙利亚是主要问题，奥巴马说，'category'：'politics'}，
{'text'：'吃东西减肥'，'category'：'health'}，
{'text'：'你不应该吃太多'，"类别"："健康"}
]
对于新闻集中的新闻：
newstrainer.train（news['text'，news['category']）
tokenizer.tokenizer（stop_words=[]，signs_to_remove=["？！%&；"]）
不可能减肥吗"
classification=newsscriptor.classification（未知实例）
训练数据比上面例子中的数量还要多。实际上，像这个例子中这样的几行文字是不可能成为足够的训练集的。
相反，这里引用了一个最有说服力的解释。
>；贝叶斯分类刷新器：假设您有一组类
>；（例如类别）c:={c 1，…，cu n}，以及一个文档d，包含单词d:={w1，…，wu k}。我们希望确定在给定一组与文档和类相关联的训练数据的情况下，文档属于某个C类的概率
>；
>；
>；
>；根据贝叶斯定理，我们得到了
>；
>；p（c_j_d）=p（d_c_j）*p（c_j）/p（d）。
>；
>；
>；lhs是给定文档本身，文档属于c_j
>；类的概率（实际上，这意味着该文档中出现的单词
>；频率），我们的程序将
>；计算每个j的该概率，并找出最有可能的
>；为该文档分类。
>；
>；p（c_j）被称为"优先"概率，或文档通常属于c_j的概率，而不首先看到
>；文档。p（d c_j）是看到这种
>；文档的概率，假设它属于c_j。这里，假设单词
>；独立出现在文档中（这是"天真的"假设），我们可以估计
>；
>；p（d c_j）~=p（w_1 c_j）*…*p（w_k c_j）
>；
>；其中p（w_i c_j）是看到给定单词的概率a
>；给定类的文档。最后，p（d）只能被视为一个
>；比例因子，与分类无关，
>；除非您希望将结果分数标准化并实际看到
>；概率。在这种情况下，请注意
>；
>；p（d）=和j（p（d c_j）*p（c_j））
>；
>；执行这些计算的一个实际问题是计算p（d c_j）时，float64下溢的可能性，因为
>；单个单词的概率可以任意小，而且
>；文档可以包含任意数量的文档。处理此情况的典型方法是将概率转换为
>；对数域并执行加法而不是乘法：
>；
>；log p（c_j d）~log（p（c_j））+sum i（log p（w_i c_j））
>；
>；其中i=1，…，k.请注意，这样做，我们将丢弃缩放因子p（d），分数不再是概率；
>；但是，分数的单调关系由
>；log函数保持。
您可能会发现下面的列表很有用：
*[昆虫示例][2]
*[斯坦福大学nlp-贝叶斯分类器][3]
如果你的训练集很大，你可以依赖可用的标记器，否则，您需要有一个更好的标记器专门用于您的培训文本的语言。
http://nlp.stanford.edu/ir book/html/htmledition/naive-bayes-text-classification-1.html
[4]：https://github.com/muatik/naive-bayes-classifier
欢迎加入QQ群-->： 979659372
