用朴素贝叶斯在MATLAB中实现文本分类

Question

我想在MATLAB中使用Naive Bayes算法实现文本分类。 我现在有3个矩阵：

1. 班级先验（8 * 2格 - 8个班级名称，每个班级，其中％来自培训）
2. 训练数据：字数矩阵 - （每个类15000 * 9个单元格，计算每个特征（单词）。最后一列是所有文档的每个字数。
3. 测试数据：具有（2000 * 1）单元格的矩阵 - 并且对于每个单元格，表示文档的单词列表。

我现在该怎么办？我想计算测试集的召回率和精度。我看了一下matlab天真的贝叶斯函数，它假设很简单，但我不知道如何以及从哪里开始。

谢谢

Answer 1

以下是朴素贝叶斯分类的一个例子，

x1 = 5 * rand(100,1);
y1 = 5 * rand(100,1);
data1 = [x1,y1];
x2 = -5 * rand(100,1);
y2 =  5 * rand(100,1);
data2 = [x2,y2];
x3 = -5 * rand(100,1);
y3 = -5 * rand(100,1);
data3 = [x3,y3];
traindata = [data1(1:50,:);data2(1:50,:);data3(1:50,:)];
testdata = [data1(51:100,:);data2(51:100,:);data3(51:100,:)];
label = [repmat('x+y+',50,1);repmat('x-y+',50,1);repmat('x-y-',50,1)];

这是我的数据，三个班级。现在分类，

nb = NaiveBayes.fit(traindata, label);
ClassifierOut = predict(nb,testdata);

我认为您应该将数据更改为矩阵而不是单元格，但标签是okey。

以下是结果，blue是训练数据，其余是三个类的分类器输出。

您还可以查看here来计算多类数据的调用和精度。