【发布时间】：2020-06-28 15:46:19
【问题描述】：
我有一个电影评论数据集，我想对其进行情感分析。
我已经使用逻辑回归实现了这一点。以下是我在此过程中采取的步骤：
- 从数据集中的每一行中删除了停用词和标点符号。
- 将数据拆分为训练集、验证集和测试集。
- 从训练集中创建了一个词汇表。
- 将词汇表中的每个单词都添加为一项功能。如果该词在当前行，则将其 TF-IDF 值设置为特征值，否则将值设置为 0。
- 训练模型。在训练过程中，sigmoid 函数用于计算假设，交叉熵损失用于成本函数。然后使用梯度下降，更新模型的权重。
- 使用验证集调整超参数
- 使用测试集评估模型
现在，我需要使用朴素贝叶斯来实现同样的事情，我对如何解决这个问题感到困惑。我假设前 4 个步骤将是相同的。但是使用朴素贝叶斯的训练步骤是什么？在这种情况下，损失函数和成本函数是什么？我在哪里使用贝叶斯定理来计算条件概率？以及如何更新权重和偏差？
我在网上搜索了很多资源，但我大多只找到了使用带有 model.fit 和 model.predict 的 sklearn 的实现，我很难弄清楚这背后的数学原理以及它是如何实现的使用 vanilla python 实现。
【问题讨论】：
-
对于Cross Validated 或Data Science 可能是一个更好的问题，因为它与基础数学和理论有关，而您没有minimal reproducible example 可以分享。话虽如此，尽管您想从头开始编写代码，但 sklearn docs 是一个很好的基础数学起点，包括方程式、分类算法的描述和论文链接
-
另外，你也可以去page for each NP classifier type，在标题附近的右上角，你可以点击source code的链接，看看究竟他们是如何在
.fit方法中实现它的（GaussianNB 以示例为目的链接） -
@G.Anderson 感谢您的回复。我是朴素贝叶斯的新手，我只需要知道我是否需要计算使用朴素贝叶斯分类的权重和偏差，或者我只需要比较一个句子的两个条件概率是正面还是负面，然后选择最高的作为预测类？
标签： python machine-learning sentiment-analysis naivebayes