加入收藏 | 设为首页 | 会员中心 | 我要投稿 李大同 (https://www.lidatong.com.cn/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 编程开发 > Python > 正文

用Python实例分类多项式朴素贝叶斯分类器

发布时间:2020-12-16 21:36:34 所属栏目:Python 来源:网络整理
导读:我正在寻找一个关于如何运行Multinomial Naive Bayes分类器的简单示例.我从StackOverflow中看到了这个例子: Implementing Bag-of-Words Naive-Bayes classifier in NLTK import numpy as npfrom nltk.probability import FreqDistfrom nltk.classify import
我正在寻找一个关于如何运行Multinomial Naive Bayes分类器的简单示例.我从StackOverflow中看到了这个例子:

Implementing Bag-of-Words Naive-Bayes classifier in NLTK

import numpy as np
from nltk.probability import FreqDist
from nltk.classify import SklearnClassifier
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.feature_selection import SelectKBest,chi2
from sklearn.naive_bayes import MultinomialNB
from sklearn.pipeline import Pipeline

pipeline = Pipeline([('tfidf',TfidfTransformer()),('chi2',SelectKBest(chi2,k=1000)),('nb',MultinomialNB())])
classif = SklearnClassifier(pipeline)

from nltk.corpus import movie_reviews
pos = [FreqDist(movie_reviews.words(i)) for i in movie_reviews.fileids('pos')]
neg = [FreqDist(movie_reviews.words(i)) for i in movie_reviews.fileids('neg')]
add_label = lambda lst,lab: [(x,lab) for x in lst]
#Original code from thread:
#classif.train(add_label(pos[:100],'pos') + add_label(neg[:100],'neg'))
classif.train(add_label(pos,'pos') + add_label(neg,'neg'))#Made changes here

#Original code from thread:    
#l_pos = np.array(classif.batch_classify(pos[100:]))
#l_neg = np.array(classif.batch_classify(neg[100:]))
l_pos = np.array(classif.batch_classify(pos))#Made changes here
l_neg = np.array(classif.batch_classify(neg))#Made changes here
print "Confusion matrix:n%dt%dn%dt%d" % (
          (l_pos == 'pos').sum(),(l_pos == 'neg').sum(),(l_neg == 'pos').sum(),(l_neg == 'neg').sum())

运行此示例后,我收到了警告.

C:Python27libsite-packagesscikit_learn-0.13.1-py2.7-win32.eggsklearnfeature_selectionunivariate_selection.py:327: 
UserWarning: Duplicate scores. Result may depend on feature ordering.There are probably duplicate features,or you used a classification score for a regression task.
warn("Duplicate scores. Result may depend on feature ordering."

Confusion matrix:
876 124
63  937

所以,我的问题是……

>有谁能告诉我这个错误信息是什么意思?
>我对原始代码进行了一些更改,但为什么混淆矩阵的结果比原始代码中的结果要高得多呢?
>如何测试此分类器的准确性?

解决方法

原始代码训练前100个正面和负面的例子,然后对剩余部分进行分类.您已经删除了边界并在训练和分类阶段使用了每个示例,换句话说,您有重复的功能.要解决此问题,请将数据集拆分为两组,即训练和测试.

混淆矩阵更高(或不同),因为您正在训练不同的数据.

混淆矩阵是衡量准确度的指标,并显示误报的数量等.阅读更多内容:http://en.wikipedia.org/wiki/Confusion_matrix

(编辑:李大同)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

    推荐文章
      热点阅读