我有一个包含正面/负面类别标签的评论数据集。我正在对这个评论数据集应用朴素贝叶斯算法。首先，我将其转换为词袋模型。这里 sorted_data[‘Text’] 是评论，final_counts 是一个稀疏矩阵
count_vect = CountVectorizer() final_counts = count_vect.fit_transform(sorted_data['Text'].values)我将数据分成训练集和测试集。
X_1, X_test, y_1, y_test = cross_validation.train_test_split(final_counts, labels, test_size=0.3, random_state=0)我应用朴素贝叶斯算法如下
optimal_alpha = 1NB_optimal = BernoulliNB(alpha=optimal_aplha)# fitting the modelNB_optimal.fit(X_tr, y_tr)# predict the responsepred = NB_optimal.predict(X_test)# evaluate accuracyacc = accuracy_score(y_test, pred) * 100print('\nThe accuracy of the NB classifier for k = %d is %f%%' % (optimal_aplha, acc))这里 X_test 是测试数据集，其中 pred 变量告诉我们 X_test 中的向量属于正类还是负类。
X_test 的形状是（54626 行，82343 维度）
pred 的长度是 54626
我的问题是，我想获取每个向量中概率最高的词，这样我就可以通过这些词了解为什么它被预测为正类或负类。因此，如何获取每个向量中概率最高的词？
回答：
你可以通过使用 coefs_ 或 feature_log_prob_ 属性从拟合模型中获取每个词的重要性。例如
neg_class_prob_sorted = NB_optimal.feature_log_prob_[0, :].argsort()[::-1]pos_class_prob_sorted = NB_optimal.feature_log_prob_[1, :].argsort()[::-1]print(np.take(count_vect.get_feature_names(), neg_class_prob_sorted[:10]))print(np.take(count_vect.get_feature_names(), pos_class_prob_sorted[:10]))打印每个类别中最具预测性的前10个词。
