朴素贝叶斯调包实例python代码
时间: 2023-09-22 07:07:57 浏览: 105
朴素贝叶斯的Python代码实战.zip
5星 · 资源好评率100%
以下是一个朴素贝叶斯分类器的调包实例Python代码:
```python
from sklearn.naive_bayes import MultinomialNB
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.metrics import accuracy_score
# 生成训练数据和对应的标签
train_data = ['This is a good movie', 'This is a bad movie', 'The plot of the movie is boring']
train_labels = ['positive', 'negative', 'negative']
# 将文本转换成向量
cv = CountVectorizer()
train_vectors = cv.fit_transform(train_data)
# 训练朴素贝叶斯分类器
clf = MultinomialNB()
clf.fit(train_vectors, train_labels)
# 测试数据
test_data = ['This movie is good', 'This movie is bad']
test_vectors = cv.transform(test_data)
# 进行预测
predicted_labels = clf.predict(test_vectors)
# 计算准确率
true_labels = ['positive', 'negative']
accuracy = accuracy_score(true_labels, predicted_labels)
print('Accuracy:', accuracy)
```
说明:
1. 首先生成训练数据和对应的标签。
2. 将文本转换成向量,这里使用的是CountVectorizer。
3. 训练朴素贝叶斯分类器,这里使用的是MultinomialNB。
4. 对测试数据进行向量化,并进行预测。
5. 计算准确率,这里使用的是accuracy_score函数。
阅读全文