以下是一个逐步指导系统学习和分类输入数据的示例。
它能够正确地对给定的5个数据集领域进行分类。此外，它还可以对停用词进行分类。
例如
输入 : docs_new = ['God is love', 'what is where']
输出 :
'God is love' => soc.religion.christian'what is where' => soc.religion.christian这里，what is where不应该被分类，因为它只包含停用词。scikit learn在这种情况下是如何运作的？
回答：
我不确定您使用的是哪种分类器。但让我们假设您使用的是朴素贝叶斯分类器。
在这种情况下，样本会被标记为在给定特定词语模式下后验概率最大的类别。
后验概率的计算公式为
后验概率 = 似然性 x 先验概率
请注意，由于证据项是常数，因此被省略了。此外，还有一个加法平滑处理，以避免似然性为零的情况。
无论如何，如果您的输入文本中只有停用词，那么所有类别的似然性都是常数，后验概率完全由您的先验概率决定。因此，基本情况是，如果先验概率是从训练数据中估计的，朴素贝叶斯分类器将分配训练数据中最常出现的类别标签。
