训练朴素贝叶斯分类器答案

【问题标题】：Training Naive Bayes Classifier训练朴素贝叶斯分类器
【发布时间】：2015-06-25 10:55:42
【问题描述】：

我正在使用简单的词袋概念开发一个朴素贝叶斯分类器。我的问题是在朴素贝叶斯或任何其他机器学习场景 'training' 中，分类器很重要。但是，当我已经拥有各种类别的 bag_of_words 时，如何训练朴素贝叶斯分类器。

【问题讨论】：

看看this tutorial
@TimBiegeleisen 我已经阅读了教程。但一个问题仍然存在。假设我有正面和负面的两个班级。现在在我的正类训练数据集中，我没有。积极的字符串和消极的类我也有一个没有。负弦。但在肯定字符串中，并非所有单词都是肯定的。问题就出现了。当我尝试从他们那里取出单词并将它们放入积极的 bag_of_words 时，还会添加一些否定词，这会妨碍以后的分类。
@Pritam 是单词的正面还是负面倾斜取决于上下文？如果是这样，您需要将上下文作为特征添加到每个样本（单词）的 X 向量中。不然分类器怎么区分？

【解决方案1】：

The Stanford IR book 很好地解释了朴素贝叶斯分类器的工作原理，他们以文本分类为例。 The Wikipedia article还给出了详细的理论描述和一些具体的例子。

【讨论】：

【解决方案2】：

当我已经拥有各种类别的 bag_of_words 时如何训练朴素贝叶斯分类器。

一般来说，你做的是这样的：

“训练”分类器很重要

确实——这就是您的分类器学习区分不同类别的单词的方式。

【讨论】：