朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法：
核心思想：是利用特征之间的条件独立性，来对给定的数据进行分类。具体而言，朴素贝叶斯算法基于贝叶斯定理，通过计算每个类别下各个特征对应的概率来进行分类推断。其对应的贝叶斯公式如下：
朴素贝叶斯朴素在： 计算条件概率分布P(X=xY=C_k)时，NB引入了一个很强的条件独立假设，即，当Y确定时，X的各个特征分量取值之间相互独立。
在估计条件概率P(X|Y)时出现概率为0的情况下采用贝叶斯估计，简单来说就是引入“ 入”：
接下来通过文章分类计算案例进行演示，需求是通过前四个训练样本（文章），判断第五篇文章，是否属于China类：
其计算结果如下所示：
上面的例子我们得到P(TokvolC)和P(JapanlC)都为0，这是不合理的，如果词频列表里面有很多出现次数都为0，很可能计算结果都为零。 解决办法就是使用拉普拉斯平滑系数：
商品评论情感分析：接下来通过一个案例来解释一下朴素贝叶斯算法的实现过程，其大致的操作就是给定一段话判断当前是好评还是差评：
下面这段代码主要实现了文本数据的处理、特征提取和朴素贝叶斯模型的训练与评估：
import pandas as pd
import numpy as np
import pkuseg
import matplotlib.pyplot as plt
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
# 获取数据
data = pd.read_json('./data/书籍评价.json')
# print(data)
# 数据基本处理
# 取出内容列用于后面分析
content = data["内容"]
# print(content)
# 把评价中的好评差评转换为数字
data.loc[data.loc[:, "评价"] == "好评", "评论编号"] = 1
data.loc[data.loc[:, "评价"] == "差评", "评论编号"] = 0
# 选择停用词
stopwords = []
with open("./data/stopwords.txt", "r", encoding="utf-8") as f:
lines = f.readlines()
for tmp in lines:
line = tmp.strip()
stopwords.append(line)
stopwords = set(stopwords) # 去重，集合格式
# 把内容处理成标准模式
comment_list = []
seg = pkuseg.pkuseg() # 实例化分词器对象
for tmp in content:
seg_list = seg.cut(tmp)
seg_list = [word for word in seg_list if word not in stopwords] # 过滤停用词
seg_str = " ".join(seg_list) # 使用空格连接词语
comment_list.append(seg_str)
# 统计词频
con = CountVectorizer()
X = con.fit_transform(comment_list)
# 准备训练集
x_train = X.toarray()[:10, :]
y_train = data["评价"][:10]
# 准备测试集
x_test = X.toarray()[10:, :]
y_test = data["评价"][10:]
# 3. 模型训练
# 构建朴素贝叶斯算法分类器
mb = MultinomialNB(alpha=1) # alpha为Laplace平滑系数
# 训练数据
mb.fit(x_train, y_train)
# 预测数据
y_pred = mb.predict(x_test)
# 预测值与真实值展示
print("预测值：", y_pred)
print("真实值：\r\n", y_test)
# 模型评估
result = mb.score(x_test, y_test)
print("模型评估的结果为: \n", result)最终的模型评估结果会显示模型在测试集上的准确率。整个过程涉及数据处理、文本特征提取、模型训练和评估：
我们可以体验一下百度开源的情感分析项目：点击跳转地址 ：
结果如下：
