- 1、本文档共17页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
朴素贝叶斯算法与SVM算法在Web文本分类中的效率分析
朴素贝叶斯算法和SVM算法在Web文本分类中的效率分析
主讲:周磊
指导老师:孙翀
论文研究内容
随着互联网上海量文本信息的增加,数据挖掘扩展到了Web数据挖掘,文本挖掘也随之扩展到了Web文本挖掘。Web文本分类计数是Web文本挖掘的只要分支之一,而文本分类算法的选择对文本分类技术至关重要。
本文主要是通过构建Web分类系统,将朴素贝叶斯算法和支持向量机SVM算法在自建的Web系统的进行效率的测试对比。
朴素贝叶斯分类算法
(1)设D是训练元组和它们相关的类标号的集合。通常,每个元组用一个n维属性向量X={x1,x2,···,xn}表示,描述由n个属性A1,A2···,An对元组的n个测量。
(2)假定有m个类C1,C2,···,Cm。给定元组X,分类法将预测X属于具有最高后验概率的类(在条件X下)。也就是说,朴素贝叶斯分类算法预测X属于类Ci,当且仅当
P(Ci|X)P(Cj|X) 1≤j≤m,j≠i
这样,最大化P(Ci|X)。P(Ci|X)最大的类Ci称为最大后验假设。根据贝叶斯定理:
P(Ci|X)=P(X|Ci)P(Ci)/P(X)
(3)由于P(X)对所有类为常数,所以只需要满足P(X|Ci)P(Ci)最大即可。
朴素贝叶斯分类算法
支持向量机SVM分类
1.在n维空间中找到一个分类超平面,
将空间上的点分类。如下
2. 一般而言,一个点距离超平面的远近可以表示为分类预测的确信或准确程度。SVM就是要最大化这个间隔值。而在虚线上的点便叫做支持向量Supprot Verctor。
支持向量机SVM分类
实际中,我们会经常遇到线性不可分的样例,此时,我们的常用做法是把样例特征映射到高维空间中去(如下图);
3. 线性不可分映射到高维空间,可能会导致维度大小高到可怕的(19维乃至无穷维的例子),导致计算复杂。核函数的价值在于它虽然也是讲特征进行从低维到高维的转换,但核函数绝就绝在它事先在低维上进行计算,而将实质上的分类效果表现在了高维上,也就如上文所说的避免了直接在高维空间中的复杂计算。
Web分类系统总体设计
为选择一个对网页内容已经进行分类的Web网站,本文选取从网易上下载数据,
将其分为训练集和测试集,然后利用这两种算法进行建模测试,最终比较这两种算
法的性能。总体流程如下所示:
Web数据处理及采集
采用Hatem Mostafa编写的开源Net Crawler作为网络爬虫(Spider),从网易下载Sports,Life,Finance等7个分类下的约8000个HTML,并对它们进行数据预处理,流程图如下所示:
算法建模
朴素贝叶斯算法建模如下:
算法建模
SVM算法作为新一代机器学习算法,近年来被成功的应用到很多成功的模式识别问题中。其在数学上表示为求解一个二次规划问题。
因此,SVM算法可以利用Matlab中的quadprog函数实现建模,在选择核函数K(x1,x2)=(x1*x2+1)2后,利用文献中的算法,课编写Matlab程序实现SVM算法建模。
核函数:支持向量机通过某非线性变换 φ( x) ,将输入空间映射到高维特征空间。特征空间的维数可能非常高。如果支持向量机的求解只用到内积运算,而在低维输入空间又存在某个函数 K(x, x′) ,它恰好等于在高维空间中这个内积,即K( x, x′) =φ( x) ⋅φ( x′) 。那么支持向量机就不用计算复杂的非线性变换,而由这个函数 K(x, x′) 直接得到非线性变换的内积,使大大简化了计算。这样的函数 K(x, x′) 称为核函数。
文本分类算法评估
对分类算法性能评估主要根据文档测试集的真实类别Oc和分类算法的类别Pc之间的惯性,可形成如下的混淆矩阵:
根据上表可知,对角线为分类正确的实例个数,最理想的分类算
法应是除对角线不为0之外,外其余数字为0.
算法评估
朴素贝叶斯测试结果
下表是利用7000*7个训练集训练后的朴素贝叶斯分类器对3500*7个测试集的测试结果:
SVM算法测试结果
经过编写Matlab决策树对1217个文档进行训练后,对916个文档进行了测试,测试结果如下:
比对结果
综合全部实验对比结果,在召回率和准确率上,SVM算法有较大优势,但是在分类速度和训练集、测试集大小上,朴素贝叶斯算法则有明显优势。
因此,在处理大规模的文档且对分类要求相对不是很严格的情况下,朴素贝叶斯算法更为适用;反之,在处理小规模文档且对精确度要求较高的情形下,SVM算法更为适用。另外,如果分类任务是在两类之中分出一类,SVM算法更为方便;反之,如果是多类任务的划分,则朴素
您可能关注的文档
- 无菌制剂质量风险控制与验证技术.ppt
- 无机化学下册课件第13章碱金属与碱土金属.ppt
- 既保证了课堂教学的连贯性与流畅性.doc
- 日本FDI在中国趋势结构与汇率中的角色.doc
- 日地系统与太阳系是方便准确的引力物理实验室(比较判.ppt
- 无锡贝斯特精机股份高端自动化加工装备与精密零部件制造环环评报告.doc
- 日光温室的建造施工与覆盖材料的选用2.ppt
- 无线移动宽带技术的竞争与融合以及商业模式的分析与讨论.ppt
- 日本儿与霉菌在莱特湾的战役 莱特湾海战.doc
- 日本的人口登记与统计制度述评.doc
- 四川省德阳市罗江中学2025届高三考前热身化学试卷含解析.doc
- 山东省枣庄现代实验学校2025届高三下学期第五次调研考试化学试题含解析.doc
- 吉林省长春市十一高中等九校教育联盟2025届高三一诊考试生物试卷含解析.doc
- 2025届江苏省盐城市伍佑中学高考仿真模拟化学试卷含解析.doc
- 2025届广西贺州中学高考冲刺押题(最后一卷)生物试卷含解析.doc
- 安徽省池州市贵池区2025届高三第一次模拟考试生物试卷含解析.doc
- 宁夏银川一中2025届高三(最后冲刺)化学试卷含解析.doc
- 广东省广州市增城区四校联考2025届高考压轴卷化学试卷含解析.doc
- 2025届邯郸市第一中学高考生物必刷试卷含解析.doc
- 2025届安徽省安庆市石化第一中学高考仿真卷化学试卷含解析.doc
文档评论(0)