-1

http://www.laurentluce.com/posts/twitter-sentiment-analysis-using-python-and-nltk/comment-page-1/#comment-73511

我正在尝试使用此链接了解 NLTK。我无法理解 feature_probdist 和 show_most_informative_features 的值是如何计算的。

特别是当“最佳”这个词没有出现时，可能性如何计算为 0.077 。我很久以前就在尝试

4

1 回答 1

0

那是因为它解释了 NLTK 源代码中的代码，但没有显示所有代码。完整的代码可在 NLTK 的网站上找到（并且在您引用的文章中也有链接）。这些是NLTK 中 NaiveBayesClassifier 类的方法和方法（分别）中的一个字段。这个类当然使用了朴素贝叶斯分类器，它本质上是贝叶斯定理的一种修改，带有一个强（朴素）的假设，即每个事件都是独立的。

  • feature_probdist= "P(fname=fval|label)，给定标签的特征值的概率分布。它表示为一个字典，其键是(label,fname)对，其值是ProbDistIs对特征值。即，P(fname =fval|label) = feature_probdist[label,fname].prob(fval).如果给定的(label,fname)不是feature_probdist中的key，则假设对应的P(fname=fval|label)为0对于 fval 的所有值。"

  • most_informative features返回“此分类器使用的“信息量最大”特征的列表。对于此函数，特征 (fname,fval) 的信息量等于 P(fname=fval|label) 的最大值，对于任何标签，除以 P(fname=fval|label) 的最小值，对于任何标签："

    max[ P(fname=fval|label1) / P(fname=fval|label2) ]

如果仍然不清楚，请查看整个类的源代码，本文的目的不是深入分解 NLTK 的工作原理，而只是给出如何使用它的基本概念。

于 2013-05-10T01:13:06.113 回答