跳到主要内容

多项式朴素贝叶斯（MultinomialNB）

组件名称多项式朴素贝叶斯（MultinomialNB）
工具集机器学习/分类/多项式朴素贝叶斯（MultinomialNB）
组件作者雪浪云-燕青
文档版本1.0
功能多项式朴素贝叶斯（MultinomialNB）分类算法
镜像名称ml_components:3
开发语言Python

组件原理​

在sklearn中，提供了若干种朴素贝叶斯的实现算法，不同的朴素贝叶斯算法，主要是对P(xi|y)的分布假设不同，进而采用不同的参数估计方式。我们能够发现，朴素贝叶斯算法，主要就是计算P(xi|y)，一旦P(xi|y)确定，最终属于每个类别的概率，自然也就迎刃而解了。

多项式朴素贝叶斯，适用于离散变量，其假设各个特征xi在各个类别y下是服从多项式分布的，故每个特征值不能是负数。

计算方式如下：

多项式分布应用到朴素贝叶斯上,对于文档分类问题来说,假设给定文档类型的基础上文档生成模型P(X=x|Y=c_k)。

组件​

  • 组件图：

输入桩​

支持单个csv文件输入。

输入端子1​

  • 端口名称：训练数据
  • 输入类型：Csv文件
  • 功能描述： 输入用于训练的数据

输出桩​

支持sklearn模型输出。

输出端子1​

  • 端口名称：输出模型
  • 输出类型：sklearn模型
  • 功能描述： 输出训练好的模型用于预测

参数配置​

平滑参数​

  • 功能描述：加性(拉普拉斯/利德斯通)平滑参数，0代表不进行平滑操作
  • 必选参数：是
  • 默认值：1

计算先验概率​

  • 功能描述：是否计算训练数据中，标签列中类的先验概率
  • 必选参数：是
  • 默认值：true

类别的先验概率​

  • 功能描述：以逗号分隔
  • 必选参数：否
  • 默认值：（无）

需要训练​

  • 功能描述：该模型是否需要训练，默认为需要训练。
  • 必选参数：是
  • 默认值：true

特征字段​

  • 功能描述：特征字段
  • 必选参数：是
  • 默认值：（无）

标识字段​

  • 功能描述：标识字段
  • 必选参数：是
  • 默认值：（无）

使用方法​

  • 将组件拖入到项目中
  • 与前一个组件输出的端口连接（必须是csv类型）
  • 点击运行该节点

测试用例​

模板​

右面板配置​

  • 参数设置：

  • 字段设置：

输入的数据：​

输出的结果：​