基于朴素贝叶斯的新闻分类问题算法改进问题的研究

作者：胡晶

来源：电脑与信息技术, 2023, 31(02): 5-8.

DOI：10.19414/j.cnki.1005-1228.2023.02.004

• Scikit-learn
• TF-IDF
• 朴素贝叶斯
• 系数加权

贝叶斯算法用概率表示结果的不确定性，将分类问题转换为概率问题。贝叶斯算法结果表示为概率的比较问题，即对目标不同预测的信任程度。文章介绍贝叶斯算法原理和研究意义，分析该算法在解决同类问题上的优势和不足，朴素贝叶斯分类是基于一个预定的假设在给目标分类时优先考虑各关键字的条件独立，重点分析朴素贝叶斯分类相关理论，然后研究系数加权对朴素贝叶斯分类问题准确率的提高，通过系数加权TF-IDF对优化朴素贝叶斯分类算法，最后用Scikit-learn对新闻分类问题进行实验测试，通过实验证明改进后的该算法能够提高这类分类问题的准确率。

• 单位
  福建船政交通职业学院