朴素贝叶斯文本分类算法

功能介绍

  • 朴素贝叶斯文本分类是一个多分类算法
  • 朴素贝叶斯文本分类组件支持稀疏、稠密两种数据格式
  • 朴素贝叶斯文本分类组件支持带样本权重的训练

参数说明

名称 中文名称 描述 类型 是否必须？ 默认值
modelType 模型类型 取值为 Multinomial 或 Bernoulli String “Multinomial”
labelCol 标签列名 输入表中的标签列名 String ✓
weightCol 权重列名 权重列对应的列名 String null
vectorCol 向量列名 向量列对应的列名 String ✓
smoothing 算法参数 光滑因子，默认为1.0 Double 1.0
vectorCol 向量列名 向量列对应的列名 String ✓
predictionCol 预测结果列名 预测结果列名 String ✓
predictionDetailCol 预测详细信息列名 预测详细信息列名 String
reservedCols 算法保留列名 算法保留列 String[] null

脚本示例

运行脚本

  1. data =  np.array([
  2.     ["$31$0:1.0 1:1.0 2:1.0 30:1.0","1.0  1.0  1.0  1.0", '1'],
  3.     ["$31$0:1.0 1:1.0 2:0.0 30:1.0","1.0  1.0  0.0  1.0", '1'],
  4.     ["$31$0:1.0 1:0.0 2:1.0 30:1.0","1.0  0.0  1.0  1.0", '1'],
  5.     ["$31$0:1.0 1:0.0 2:1.0 30:1.0","1.0  0.0  1.0  1.0", '1'],
  6.     ["$31$0:0.0 1:1.0 2:1.0 30:0.0","0.0  1.0  1.0  0.0", '0'],
  7.     ["$31$0:0.0 1:1.0 2:1.0 30:0.0","0.0  1.0  1.0  0.0", '0'],
  8.     ["$31$0:0.0 1:1.0 2:1.0 30:0.0","0.0  1.0  1.0  0.0", '0']])
  10. dataSchema = ["sv", "dv", "label"]
  13. df = pd.DataFrame({"sv": data[:, 0], "dv": data[:, 1], "label": data[:, 2]})
  14. batchData = dataframeToOperator(df, schemaStr='sv string, dv string, label string', op_type='batch')
  16. model = NaiveBayesTextClassifier().setVectorCol("sv").setLabelCol("label").setReservedCols(["sv", "label"]).setPredictionCol("pred")
  17. model.fit(batchData).transform(batchData).print()

运行结果

sv label pred
“$31$0:1.0 1:1.0 2:1.0 30:1.0” 1 1
“$31$0:1.0 1:1.0 2:0.0 30:1.0” 1 1
“$31$0:1.0 1:0.0 2:1.0 30:1.0” 1 1
“$31$0:1.0 1:0.0 2:1.0 30:1.0” 1 1
“$31$0:0.0 1:1.0 2:1.0 30:0.0” 0 0
“$31$0:0.0 1:1.0 2:1.0 30:0.0” 0 0
“$31$0:0.0 1:1.0 2:1.0 30:0.0” 0 0