王敏 罗婧雯 刘军 刘沛泽

【摘要】    贝叶斯学习是机器学习理论中的重要研究方向。本文主要实现基于朴素贝叶斯的机器学习实验教学设计，贝叶斯学习以贝叶斯法则为基础，通过已了解的数据分布的先验知识，结合样本训练数据来估算出整体数据的数学模型。贝叶斯学习的结果是获得一组变量的联合概率分布。贝叶斯学习由于其用概率的形式来表示不确定知识，故对不确定形式的问题它有独特的描述和计算优势。而朴素贝叶斯是在属性独立性假设的条件下进行计算，可以大大减小计算的复杂程度。实验设计目的是根据朴素贝叶斯公式实现对文档的分类，给学生提供一种实验教学案例。

【关键词】    朴素贝叶斯    实验教学设计    文本分类

一、实验研究背景与目的

本实验设计主要基于朴素贝叶斯理论，目前是为学生提供基于贝叶斯理论的实验项目，让学生更好地理解该理论解决实际问题。 随着互联网的飞速发展， 海量数据注入到通讯设备中。如此大量的信息就让信息检索和数据挖掘的重要性更加突出。文本分类作为数据挖掘的一部分也逐渐被人们重视起来。其中文本分类的主要内容是在预先给定的类标签的集下， 根据文章内容， 确定它的类别。我们接下来将要通过三个方面来介绍：文本表示， 分类器构造和分类器评估。

二、实验设计思路

本实验的思路是把一部分含有女性、体育、文学出版、校园的话题用网络爬虫爬下来存在特定的文档中，然后通过朴素贝叶斯分类算法实现贝叶斯分类。……