用朴素贝叶斯在 MATLAB 中实现文本分类

【问题标题】：Implementation of text classification in MATLAB with naive bayes用朴素贝叶斯在 MATLAB 中实现文本分类
【发布时间】：2015-02-18 04:37:14
【问题描述】：

我想在 MATLAB 中使用朴素贝叶斯算法实现文本分类。我现在有 3 个矩阵：

类先验（8*2 单元格 - 8 个类名，每个类的百分比来自训练）
训练数据：字数矩阵 - （15000*9 单元格 - 每个类别，每个特征（字）的计数。最后一列是所有文档的每个字数。
测试数据：具有 (2000*1) 个单元格的矩阵 - 每个单元格都有一个代表文档的单词列表。

我现在该怎么办？我想计算测试集的召回率和精度。我查看了 matlab 朴素贝叶斯函数，它假设很简单，但我不确定如何以及从哪里开始。

谢谢

【问题讨论】：

标签： matlab classification text-classification

【解决方案1】：

这是一个朴素贝叶斯分类的例子，

x1 = 5 * rand(100,1);
y1 = 5 * rand(100,1);
data1 = [x1,y1];
x2 = -5 * rand(100,1);
y2 =  5 * rand(100,1);
data2 = [x2,y2];
x3 = -5 * rand(100,1);
y3 = -5 * rand(100,1);
data3 = [x3,y3];
traindata = [data1(1:50,:);data2(1:50,:);data3(1:50,:)];
testdata = [data1(51:100,:);data2(51:100,:);data3(51:100,:)];
label = [repmat('x+y+',50,1);repmat('x-y+',50,1);repmat('x-y-',50,1)];

那是我的数据，三个类别。现在分类，

nb = NaiveBayes.fit(traindata, label);
ClassifierOut = predict(nb,testdata);

我认为您应该将数据更改为矩阵而不是单元格，但是标签还可以。

这是结果，blue 是训练数据，其余是三个类的分类器输出。

您还可以查看here 来计算多类数据的召回率和精度。

【讨论】：