朴素贝叶斯1、贝叶斯定理
要是假定针对某一个数据集而言, 随机变量称作为C的这个, 它所表示的是样本归属于C类的概率, 还有F1, 它所表示的是测试样本里某特征出现的概率, 然后去套用基本贝叶斯公式, 那么情况就如下所展示的那样:
此式子用以表明, 针对于某一样本而言, 当特征F1出现之际, 该样本被划分至C类的这种条件概率。那么, 怎样运用此式子去对测试样本展开分类操作呢？
比如说, 存在一个测试样本, 这个样本的特征F1出现情况为F1等于1, 在发现此情况后, 进而也就是去算一算P(C等于0且F1等于1)以及P(C等于1且F1等于1)这两个的概率数值, 要是前面这个概率值更大的时候, 那么这个样本就会被判定为是第0类, 反之换到后面那个概率值更大的时候, 这个样本就会被划分成第1类。
对该公示，有几个概念需要熟知：
先期概率（Prior）, P(C)属于C的先期概率，能够凭借已有的训练集合来计算, 计算方式是把划分为C类的样本, 在所有样本里所占的比例给得出。
所谓证据（）, 就是上式当中的P(F1), 它所表达的是针对某一个测试样本而言, 特征F1出现的概率, 而且这个概率同样能够通过从训练集中F1特征对应样本在总样本里所占的比例来得出。
似然（）, 也就是上式当中体现作为P(F1|C)的部分, 它所表达的意思是, 当知晓有一个样本被划分到了C类这种情况下, 那么该样本其特征呈现为F1时的概率究竟是多少。
对于多个特征而言，贝叶斯公式可以扩展如下：
于分子里面, 存在着一长串相像的概率数值。在特征数量众多的情形下, 针对这些相像概率数值的计算, 是极为让人难受痛苦的。那么此时此刻, 应该怎么样去解决应对呢?
2、朴素的概念
简化计算之目的下, 朴素贝叶斯算法立下一假设, 其内容为“朴素地认定各个特征相互独立”。如此这般, 上式的分子便被简化成为:
P(C)P(F1|C)P(F2|C)...P(Fn|C)。
这样简化过后，计算起来就方便多了。
此假设认定每个特征相互独立, 乍一看着实是极不科学的假设, 因为诸多情形之下, 各个特征关联甚密, 然而朴素贝叶斯在大量应用里实际显示其运作颇为良好。
其次, 朴素贝叶斯的工作原理是, 计算P(C=0|F1...Fn), 计算P(C= 1|F1...Fn), 把当中取最大值的那个当作其分类, 而这二者的分母是完全相同的, 故而, 我们能够省略分母计算, 进而更进一步简化计算过程。
除此之外，贝叶斯公式推导得以成立存在一个关键前期条件, 那便是各个证据（）不能等于0；也就是说, 对于任意特征Fx而言, P(Fx)不能等于0；然而, 显示某些特征未在测试集中出现这种状况完全是有可能发生的；所以, 在实现过程中通常需要进行一些细微的处理, 像把所有计数都加以+1操作（此为加法平滑, 也被称为拉普拉斯平滑）；要是借助增加一个大于0的可调参数alpha来实现平滑, 那就称作 平滑。
基于朴素贝叶斯的情感分类
原始数据集，只抽了10条
读数据
读取excel文件，用的库的的数据类型
分词
对每个评论分词，分词的同时去除停用词，得到如下词表
每个列表是与评论一一对应的
统计
这里统计什么呢？统计两种数据
1. 评论级别的次数
这里有三个级别分别对应
c0 → 好 2
c1 → 中 3
c2 → 差 5
2. 每个词在句子中出现的次数
得到一个字典数据
半价
划算
不错
·········
不满
重要
清楚
具体
位于每个词（特征）之后的 list 坐标位, 其中 0 对应好, 1 对应中, 2 对应差。
以上工作完成之后，就是把模型训练好了，只不过数据越多越准确
测试
比如输入一个句子
关于世纪联华（百联西郊购物中心店）的点评时发现, 在一个被称作国际大都市的地方, 该店收银处人员的服务态度糟糕至极；并且这里开展的银联活动是满30减10, 居然还不允许连单。
得到结果
c2-差
