「·文本分析」12多项式朴素贝叶斯算法对新闻分类

1.fetch_newsgroups模块

sklearn.datasets.fetch_20newsgroups(data_home=None, subset=’train’, categories=None, shuffle=True, random_state=42, remove=(), download_if_missing=True)

（1）fetch_20newsgroups()方法作为新闻抓取器，用来导入新闻数据；

（2）参数：

①data_home : 默认为None，为数据集指定一个下载和缓存的文件夹。如果没有，所有scikit-learn数据都会存储在“~/scikit_learn_data”文件夹中。

新闻缓存文件存储地址

②subset : 属性值有三种：train(训练集)、test(测试集)、all(前两者兼有)，选择要加载的数据集。

③categories : None 或 字符串或unicode的集合。如果为None(默认)，加载所有类别。如果不为None，则只加载类别名列表中的类别(其他类别被忽略)。

④remove : 可以是(' header '， ' footers '， ' quotes ')的任何子集。每一种文本都将从新闻组的帖子中被检测到和删除掉，以防止分类器在元数据上过度拟合。‘headers’删除的是新闻组标题，‘footers’删除的是帖子末尾类似于签名的部分，而 ‘quotes’ 删除的是似乎被其他帖子引用了的行。而需要注意的是：“header”遵循一个精确的标准;而其他的过滤器并不总是正确的。

2.多项式朴素贝叶斯文本分析

多项式贝叶斯文本分析代码 第一条新闻内容 文本分析报告

【注】precision，recall，f1-score，support作为模型评估的四个指标，后期会对四个指标进行详细解释。