bayesian - 如何使用朴素贝叶斯实现 TF_IDF 特征加权

我正在尝试实现用于情感分析的朴素贝叶斯分类器。我计划使用 TF-IDF 加权度量。我现在有点卡住了。 NB一般使用词(特征)频率来求最大似然。那么如何在朴素贝叶斯中引入 TF-IDF 加权度量呢？

最佳答案

您将 TF-IDF 权重用作统计模型中的特征/预测变量。我建议使用 gensim [1] 或 scikit-learn [2] 来计算权重，然后将其传递给朴素贝叶斯拟合程序。

scikit-learn 'working with text' 教程 [3] 也可能很有趣。

[1] http://scikit-learn.org/dev/modules/generated/sklearn.feature_extraction.text.TfidfTransformer.html

[2] http://radimrehurek.com/gensim/models/tfidfmodel.html

[3] http://scikit-learn.github.io/scikit-learn-tutorial/working_with_text_data.html

关于bayesian - 如何使用朴素贝叶斯实现 TF_IDF 特征加权，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/6291546/