如何在天真的贝叶斯中获得功能重要性？

我有一个评论数据集,其标签为正/负.我正在将Naive Bayes应用于该评论数据集.首先,我正在转换成一堆文字.这里sorted_data [‘Text’]是评论,final_counts是稀疏矩阵

count_vect = CountVectorizer() 
final_counts = count_vect.fit_transform(sorted_data['Text'].values)

我正在将数据拆分为训练和测试数据集.

X_1, X_test, y_1, y_test = cross_validation.train_test_split(final_counts, labels, test_size=0.3, random_state=0)

我正在应用如下的朴素贝叶斯算法

optimal_alpha = 1
NB_optimal = BernoulliNB(alpha=optimal_aplha)

# fitting the model
NB_optimal.fit(X_tr, y_tr)

# predict the response
pred = NB_optimal.predict(X_test)

# evaluate accuracy
acc = accuracy_score(y_test, pred) * 100
print('\nThe accuracy of the NB classifier for k = %d is %f%%' % (optimal_aplha, acc))

这里X_test是测试数据集,其中pred变量给出了X_test中的向量是正还是负类.

X_test形状是(54626行,82343维)

pred的长度是54626

我的问题是我希望在每个向量中获得概率最高的单词,以便我可以通过单词知道它为什么预测为正或负类.因此,如何获得每个向量中概率最高的单词？

解决方法:

您可以使用coefs_或feature_log_prob_属性从拟合模型中获取每个单词的重要性.例如

neg_class_prob_sorted = NB_optimal.feature_log_prob_[0, :].argsort()
pos_class_prob_sorted = NB_optimal.feature_log_prob_[1, :].argsort()

print(np.take(count_vect.get_feature_names(), neg_class_prob_sorted[:10]))
print(np.take(count_vect.get_feature_names(), pos_class_prob_sorted[:10]))

为每个班级打印十大最具预测性的单词.

标签：python,python-3-x,scikit-learn,machine-learning,naivebayes
来源： https://codeday.me/bug/20191008/1870718.html