我看了一下，并尝试了scikit-learn的Multinomial天真贝叶斯分类器教程。
我想用它对文本文档进行分类，而关于NB的一个难点是它将P（document | label）视为其所有独立特征（单词）的乘积。现在，我需要尝试执行3个三元组分类器，其中P（document | label）= P（wordX | wordX-1，wordX-2，label）* P（wordX-1 | wordX-2，wordX-3，标签）。
scikit learning在哪里支持我可以实现此语言模型并扩展NB分类器以基于此进行分类的任何内容？
最佳答案
CountVectorizer将为您提取三字组（使用ngram_range=(3, 3)）。 text feature extraction documentation对此进行了介绍。然后，只需将MultinomialNB与转换后的特征矩阵完全一样使用即可。
请注意，这实际上是建模：
P（文档|标签）= P（wordX，wordX-1，wordX-2 |标签）* P（wordX-1，wordX-2，wordX-3 |标签）* ...
那有什么不同？好吧，第一个术语可以写成
P（wordX，wordX-1，wordX-2 |标签）= P（wordX | wordX-1，wordX-2，标签）* P（wordX-1，wordX-2 |标签）
当然，所有其他术语也可以这样写，因此您最终得到了（为简洁起见在标签上放下标和条件）：
P（X | X-1，X-2）P（X-1 | X-2，X-3）... P（3 | 2，1）P（X-1，X-2）P（X -2，X-3）... P（2，1）
现在，P（X-1，X-2）可以写为P（X-1 | X-2）P（X-2）。因此，如果我们对所有这些条款都这样做，
P（X | X-1，X-2）P（X-1 | X-2，X-3）... P（3 | 2，1）P（X-1 | X-2）P（X -2 | X-3）... P（2 | 1）P（X-2）P（X-1）... P（1）
因此，这实际上就像使用三字组，二元组和单字组（尽管不直接估计二元组/单字组术语）。
关于python - scikit学习为Trigram分类器使用多项朴素贝叶斯吗？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/17333765/