内容摘要：随着电子商务市场的蓬勃发展，商品数据准确有效的分类就变得迫在眉睫。本论文将基于贝叶斯算法对商品分类开展研究。我们将结合贝叶斯算法的理论知识和Python编程语言，对商品进行分类。首先进行商品数据处理，然后建立起贝叶斯模型，接着通过贝叶斯模型对数据的处理，得到商品的分类。通过本次研究，得出贝叶斯算法是适用于商品分类的结论。并且通过结果的对比分析可以得出，通过CountVectorizer取特征值比Tf-idf 取特征值更适用于商品分类。本文为基于贝叶斯算法的商品分类的研究提供了实验参考。因此本项目的研究既有理论价值也有实用价值。

关键词：人工智能化；贝叶斯算法；商品分类；Python

目录

内容摘要

Abstract

1 引言-1

2 基本理论知识介绍-1

2.1贝叶斯分类器-1

2.2 Tf-idf:关键词提取-3

2.3 CountVectorizer 特征值计算-3

2.4 交叉检验-3

3 商品分类的流程-4

4 数据预处-4

5 提取特征量和构建模型-6

5.1 特征量的提取-6

5.2 构建模型-7

6 实验结果及检验分析-8

6.1实验结果及模型评估-8

6.1.1方法一：用CountVectorizer提取特征值-8

6.1.2方法二：用TfidfVectorizer提取特征值-10

6.2 实验分析-12

7 主要结论和展望-12

7．1主要结论-12

7.1.1 实验存在的不足-12

7.1.2 实验的结果及意义-13

7．2展望-13

参考文献-14

附录

致谢