机器学习及与智能数据处理Python使用朴素贝叶斯算法对垃圾短信数据集进行分类中的垃圾短信数据集。
朴素贝叶斯算法
输入：样本集合D=｛(x_1,y_1),(x_2,y_2)~(x_m,y_m);
待预测样本x;
样本标记的所有可能取值｛c_1,c_2,c_3~c_k｝;
样本输入变量X的每个属性变量X^i的所有可能取值｛a_i1,a_i2,~,a_iAi｝；
输出：待预测样本x所属的类别
1.计算标记为c_k的样本出现概率。
2.计算标记c_k的样本，其X^i分量的属性值为a_ip的概率。
3.根据上面的估计值计算x属于y_k的概率值，并选择概率最大的作为输出。
1.使用sklearn的朴素贝叶斯算法对垃圾短信数据集进行分类
要求：
(1)划分训练集和测试集（测试集占20%）
(2)对测试集的预测类别标签和真实标签进行对比
(3)掌握特征提取方法
(4)输出分类的准确率
2.自己写朴素贝叶斯算法对垃圾短信数据集进行分类
机器学习及与智能数据处理Python使用朴素贝叶斯算法对垃圾短信数据集进行分类中的垃圾短信数据集。机器学习及与智能数据处理Python使用朴素贝叶斯算法对垃圾短信数据
- 1
- 2
前往页