coursera NLP学习笔记之week3 文本分类和朴素贝叶斯

第一节：文本分类的任务

1，为目标文本分配类别，主题，或者流派

2，垃圾邮件识别

3，作者身份识别

4，年龄，性别的识别

5，语言的识别

6，情感分析

文本分类的定义：输入：1，文档d，2，类的一个混合的集合 C = {c1,c2,c3....cj}；输出：一个预测类c，这个类属于集合C .

分类的方法：1、手写规则，规则是由单词和其他特征组合而成，精度很高，但是成本昂贵。2,、有指导的机器学习，输入文档d和类的一个混合集合，还有一个文档训练集合，用手工的方式标注文档（d1,c1）...(dm,cm);输出一个学习过的分类器gama：可以将d分类到某一类c中去，即d->c。这样的分类器有：朴素贝叶斯分类器，线性回归分类器，支持向量机分类器，K-紧邻分类器，Naive Bayes,Logistic regression,Support_vector machine,K-Nearest Neighbors。

第二节：朴素贝叶斯

朴素贝叶斯，基于贝叶斯公式和词袋原理，词袋原理忽略了单词的位置等其他特征，他表示的就是单词在文本出现的次数。

我们最后计算的目的就是计算文档d在类c中的概率。文档d 可以用那些特征词来代替。

未完待续。。。。