如何在天真的贝叶斯中获得功能重要性？-Java 学习之路

我有一个评论数据集，其标签为正/负 . 我正在将Naive Bayes应用于该评论数据集 . 首先，我正在转换成一堆文字 . 这里 sorted_data['Text'] 是评论和 final_counts is a sparse matrix

count_vect = CountVectorizer() 
final_counts = count_vect.fit_transform(sorted_data['Text'].values)

我正在将数据拆分为训练和测试数据集 .

X_1, X_test, y_1, y_test = cross_validation.train_test_split(final_counts, labels, test_size=0.3, random_state=0)

我正在应用如下的朴素贝叶斯算法

optimal_alpha = 1
NB_optimal = BernoulliNB(alpha=optimal_aplha)

# fitting the model
NB_optimal.fit(X_tr, y_tr)

# predict the response
pred = NB_optimal.predict(X_test)

# evaluate accuracy
acc = accuracy_score(y_test, pred) * 100
print('\nThe accuracy of the NB classifier for k = %d is %f%%' % (optimal_aplha, acc))

这里X_test是测试数据集，其中pred变量给出了X_test中的向量是正还是负类 .

The X_test shape is (54626 rows, 82343 dimensions)

length of pred is 54626

我的问题是我希望在每个向量中得到概率最高的单词，以便我可以通过单词知道它为什么预测为正或负类 . 因此，如何获得每个向量中概率最高的单词？

2 回答

您可以使用 coefs_ 或 feature_log_prob_ 属性从拟合模型中获取每个单词的重要性 . 例如

neg_class_prob_sorted = NB_optimal.feature_log_prob_[0, :].argsort()
pos_class_prob_sorted = NB_optimal.feature_log_prob_[1, :].argsort()

print(np.take(count_vect.get_feature_names(), neg_class_prob_sorted[:10]))
print(np.take(count_vect.get_feature_names(), pos_class_prob_sorted[:10]))

打印每个 class 的前十个最具预测性的单词 .

回复于 2024-04-29T18:41:53+08:00

试试这个：

pred_proba = NB_optimal.predict_proba(X_test)
words = np.take(count_vect.get_feature_names(), pred_proba.argmax(axis=1))

回复于 2024-04-29T18:41:53+08:00

如何在天真的贝叶斯中获得功能重要性？

2 回答

相关问题