数据算法 --hadoop/spark数据处理技巧 --(13.朴素贝叶斯 14.情感分析)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了数据算法 --hadoop/spark数据处理技巧 --(13.朴素贝叶斯 14.情感分析),小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含532字,纯文字阅读大概需要1分钟。
内容图文
![数据算法 --hadoop/spark数据处理技巧 --(13.朴素贝叶斯 14.情感分析)](/upload/InfoBanner/zyjiaocheng/736/67828ff2ba5a42dca51f3c342452afba.jpg)
十三。朴素贝叶斯
朴素贝叶斯是一个线性分类器。处理数值数据时,最好使用聚类技术(eg:K均值)和k-近邻方法,不过对于名字、符号、电子邮件和文本的分类,则最好使用概率方法,朴素贝叶斯就可以。在某些情况下,NBC也可以用来对数值数据分类。
对于数值数据的分类,比如(连续属性,身高,体重,脚长),建议采用采用高斯分布,令x是一个连续属性。首先,按类对数据分段,然后计算各个类中的x的均值(u)和方差()。
本次主要以文本数据进行。
首先先进行Map函数,将数据进行处理。
得到的数据如下:
之后再进行reduce,输入的数据诸如:
reduce的代码处理如下:
reduce的输出是
内容总结
以上是互联网集市为您收集整理的数据算法 --hadoop/spark数据处理技巧 --(13.朴素贝叶斯 14.情感分析)全部内容,希望文章能够帮你解决数据算法 --hadoop/spark数据处理技巧 --(13.朴素贝叶斯 14.情感分析)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。