在 JAVA 中开发朴素贝叶斯文本分类器
在之前的文章中，我们讨论了朴素贝叶斯文本分类器的理论背景以及在文本分类中使用特征选择技术的重要性。在本文中，我们将把所有内容放在一起，并在 JAVA 中构建朴素贝叶斯文本分类算法的简单实现。分类器的代码是 […]
来源:DatumBox - 机器学习、统计和软件开发博客在之前的文章中，我们讨论了朴素贝叶斯文本分类器的理论背景以及在文本分类中使用特征选择技术的重要性。在本文中，我们将把所有内容放在一起，并在 JAVA 中构建朴素贝叶斯文本分类算法的简单实现。分类器的代码是开源的（根据 GPL v3 许可），您可以从 Github 下载。
朴素贝叶斯文本分类器 特征选择技术 Github更新：Datumbox 机器学习框架现在是开源的，可以免费下载。查看包 com.datumbox.framework.machinelearning.classification 以查看朴素贝叶斯分类器的 Java 实现。
更新：Datumbox 机器学习框架现在是开源的，可以免费下载。查看包 com.datumbox.framework.machinelearning.classification 以查看 Java 中朴素贝叶斯分类器的实现。 下载朴素贝叶斯 Java 实现
代码用 JAVA 编写，可直接从 Github 下载。它根据 GPLv3 许可，因此请随意使用、修改和重新分发。
Github文本分类器实现多项朴素贝叶斯模型以及卡方特征选择算法。之前的文章介绍了这两种技术如何工作的所有理论细节，并且可以在描述实现的源代码中找到详细的 javadoc 注释。因此，在本节中，我将重点介绍分类器架构的高级描述。
多项式朴素贝叶斯 卡方特征选择1. NaiveBayes 类
这是文本分类器的主要部分。它实现了 train() 和 predict() 等方法，这些方法负责训练分类器并将其用于预测。值得注意的是，此类还负责在训练/预测之前调用适当的外部方法对文档进行预处理和标记。